CN107132450B - 一种海上双馈电机定子绕组匝间短路早期故障辨识方法 - Google Patents
一种海上双馈电机定子绕组匝间短路早期故障辨识方法 Download PDFInfo
- Publication number
- CN107132450B CN107132450B CN201710285896.6A CN201710285896A CN107132450B CN 107132450 B CN107132450 B CN 107132450B CN 201710285896 A CN201710285896 A CN 201710285896A CN 107132450 B CN107132450 B CN 107132450B
- Authority
- CN
- China
- Prior art keywords
- fault
- current
- stator
- phase
- turn
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000004804 winding Methods 0.000 title claims abstract description 47
- 238000012850 discrimination method Methods 0.000 title abstract 2
- 108010074864 Factor XI Proteins 0.000 claims abstract description 9
- 238000000034 method Methods 0.000 claims description 26
- 238000004364 calculation method Methods 0.000 claims description 8
- 238000005070 sampling Methods 0.000 claims description 7
- 230000004907 flux Effects 0.000 claims description 4
- 230000002441 reversible effect Effects 0.000 claims description 4
- 239000011159 matrix material Substances 0.000 claims description 3
- 239000004576 sand Substances 0.000 claims description 3
- 230000001131 transforming effect Effects 0.000 claims description 2
- 238000004088 simulation Methods 0.000 description 28
- 238000002474 experimental method Methods 0.000 description 12
- 238000001514 detection method Methods 0.000 description 10
- 238000003745 diagnosis Methods 0.000 description 9
- 238000010586 diagram Methods 0.000 description 9
- 238000011161 development Methods 0.000 description 5
- 238000013178 mathematical model Methods 0.000 description 5
- 230000008859 change Effects 0.000 description 4
- 238000000354 decomposition reaction Methods 0.000 description 4
- 230000003068 static effect Effects 0.000 description 3
- 238000009795 derivation Methods 0.000 description 2
- 230000005284 excitation Effects 0.000 description 2
- 230000006698 induction Effects 0.000 description 2
- 238000012423 maintenance Methods 0.000 description 2
- 238000010248 power generation Methods 0.000 description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 2
- 238000010521 absorption reaction Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000013016 damping Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000002405 diagnostic procedure Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000002427 irreversible effect Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000000691 measurement method Methods 0.000 description 1
- 238000011089 mechanical engineering Methods 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000002035 prolonged effect Effects 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 238000011426 transformation method Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
- G01R31/50—Testing of electric apparatus, lines, cables or components for short-circuits, continuity, leakage current or incorrect line connections
- G01R31/72—Testing of electric windings
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
- G01R31/50—Testing of electric apparatus, lines, cables or components for short-circuits, continuity, leakage current or incorrect line connections
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Power Engineering (AREA)
- Tests Of Circuit Breakers, Generators, And Electric Motors (AREA)
Abstract
本发明涉及一种海上双馈电机定子绕组匝间短路早期故障辨识方法,用以判断双馈电机定子绕组匝间是否发生短路并确定发生匝间短路的相,包括以下步骤:1)获取待故障识别的海上双馈电机的三相信号,包括定子三相电压、转子三相电压、定子三相电流、转子三相电流和转子转速;2)将三相信号转换到dq轴坐标系,获取电机参数,再将三相信号转换到αβ轴坐标系,通过观测器获取估计定子电流,计算出估计电流差并分解,得到故障严重程度因子ξ;3)当匝间短路故障引起的故障严重程度ξ幅值到达故障预警值时,则该待故障识别的海上双馈电机发生定子绕组匝间短路故障。与现有技术相比,本发明具有可靠定位故障相、鲁棒性高等优点。
Description
技术领域
本发明涉及风电机组故障辨识领域,尤其是涉及一种海上双馈电机定子绕组匝间短路早期故障辨识方法。
背景技术
随着我国风电产业迅速发展,开发海上风电已成为风电行业发展新趋势,在国家“十三五”能源规划期间,为促进我国深水、远海、大规模海上风电场的发展,国家能源局印发了《全国海上风电开发建设方案(2014-2016)》,已有1053万千瓦的海上风电项目开始建设,由于双馈风力发电系统具有投资损耗小、发电效率高、谐波吸收方便等多方面的优势,已成为深远海风力发电机的主流机型之一。深水、远海、大规模海上风力发电机组具有三大特点:故障率高,故障维修困难,故障停运损失巨大。匝间短路故障时电机故障的主要形式,可以在极端时间内演变成相间故障,甚至引起接地故障等不可逆故障。因此亟需精确定位双馈风力发电机定子绕组匝间短路故障,为故障维修赢取宝贵的时间,以避免故障的进一步扩大产生巨大的经济损失。
当双馈风力发电机定子绕组出现匝间短路故障时,首先会在定子电流上有所体现,因此有很多通过定子电流直接或者间接来诊断电机运行状态的故障特征量得到了中外学者的广泛关注。如马宏忠、方芳、王攀攀等学者采用负序电流作为故障特征量;魏书荣采用了拟序阻抗;电流频谱作为故障特征则得到了李俊卿、李明和、Jung J H等学者的青睐。Cristian H.De等人在IEEE Transactions on Induction Motors发表了题名为:Onlinemodel-based stator-fault detection and identification in induction motors的文章,该文章提出通过故障电机定子电流与观测器电流之差来诊断感应电机定子匝间短路,但因为双馈风力发电机转子侧需要变频器励磁,使其通过转差频率能量,不同于感应电机的工作模式;且受转子侧励磁变频器的影响,故障特征量推导更为复杂,故其提出的诊断方法不能直接应用于双馈风力发电机。魏书荣等人在中国电机工程学报发表了题名为:基于拟序阻抗的海上双馈电机定子绕组匝间短路早期故障辨识的文章,该文章通过求取定子电压序分量和定子电流序分量之间的关系,得到双馈电机固有参数(拟序阻抗),该方法可以应用于双馈电机对电机固有不对称、信号检测误差和定子电压不对称具有很好的鲁棒性,能可靠的检测出早期轻微的定子匝间短路故障,但该方法不能定位故障相。
发明内容
本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种海上双馈电机定子绕组匝间短路早期故障辨识方法。
本发明的目的可以通过以下技术方案来实现:
一种海上双馈电机定子绕组匝间短路早期故障辨识方法,用以判断双馈电机定子绕组匝间是否发生短路并确定发生匝间短路的相,包括以下步骤:
1)获取待故障识别的海上双馈电机的三相信号,包括定子三相电压、转子三相电压、定子三相电流、转子三相电流和转子转速;
2)将三相信号转换到dq轴坐标系,对于每一个采样周期Ts,获取输出一组电机参数,再将三相信号转换到αβ轴坐标系,通过观测器获取估计定子电流,计算出估计电流差并分解,得到故障严重程度因子ξ;
3)当匝间短路故障引起的故障严重程度ξ幅值到达故障预警值时,则该待故障识别的海上双馈电机发生定子绕组匝间短路故障。
2.根据权利要求1所述的一种海上双馈电机定子绕组匝间短路早期故障辨识方法,其特征在于,所述的步骤2)具体包括以下步骤:
21)将采集的三相信号变换到dq轴坐标系,获取电机参数,包括定子等效两相绕组的自感Ls、转子等效两相绕组的自感Lr、定子与转子同轴等效绕组间的互感Lm、定子阻抗Rs和转子阻抗Rr;
22)将采集的三相信号变换到αβ轴坐标系,通过观测器计算估计定子电流计算式为:
▽=LrLs-L2 m
其中,为αβ0坐标系中定子绕组磁通观测值,Uαβs为αβ0坐标系中定子电压,为通过观测器计算出的估计定子电流,Uαβr为αβ0坐标系中转子电压,Rr为转子阻抗,为通过观测器计算出的估计转子电流,Q为常数矩阵,为转子转速;
23)根据估计定子电流计算电流估计差eαβs,电流估计差eαβs计算式为:
其中,iαβs为实际电机的定子电流,为通过观测器计算估计定子电流,为固有误差;
24)根据电流估计差eαβs进行重构得到故障信号
25)计算故障严重程度因子ξ:
其中,IN为电机额定电流,为故障矢量,if为故障电流,为故障信号的模值。
所述的步骤24)具体包括以下步骤:
241)将电流估计差eαβs投影到反向旋转坐标系中,通过低通滤波器获取电流估计差负序分量eIsn的直流信号,再将电流估计差负序分量eIsn的直流信号投影到正向旋转坐标系中,得到电流估计差的负序分量eIsn;
242)将电流估计差负序分量eIsn的直流信号投影到以角度旋转的坐标系中得到不含固有误差信息的信号,并且将信号与电流估计差负序分量eIsn作和重构得到故障信号
所述的步骤2)还包括以下步骤:
26)计算出故障相的故障系数角并且根据故障系数角的数值确定发生故障的具体相号。
当故障相的故障系数角分别为0、2π/3或4π/3时,对应的故障分别发生在a、b、c相。
与现有技术相比,本发明具有以下优点:
一、本发明通过改进双馈电机数学模型,将其故障系数由常数变为矢量,使本文提出的诊断方法能可靠地提取故障发生相。
二、本发明通过分解定子绕组匝间短路故障引起的电流估计差,得到故障严重程度作为故障判断的故障特征量,该故障特征量中获取时滤除了电流固有误差的影响,进而该故障辨识方法能够及时发现电机故障,同时对电机定子电压不平衡、电机不对称、信号检测误差具有鲁棒性,以便及时做出处理,提高双馈电机的使用寿命,避免灾难性故障的发生减少因故障造成的经济损失。
附图说明
图1为本发明海上双馈电机定子绕组匝间短路故障辨识方法的流程图。
图2为双馈电机定子绕组a相匝间短路示意图。
图3为故障检测识别策略图。
图4为估计差分解图。
图5为A相短路(故障矢量为[1 0]T*0.045)的仿真和实验波形图,其中,图(5a)为仿真定子电流波形图,图(5b)为实验定子电流波形图,(5c)为仿真转子电流波形图,(5d)为实验转子电流波形图。
图6为A相短路(故障矢量为[1 0]T*0.01)故障严重程度。
图7为A相短路故障特征量图,其中,图(7a)为电流估计差的波形图,图(7b)为固有误差的波形图。
图8为短路分别发生在A、B、C相时故障相角及故障严重程度,其中,图(81a)为A相短路时故障相角,图(82a)为A相短路时故障严重程度,图(81b)为B相短路时故障相角,图(82b)为B相短路时故障严重程度,图(81c)为C相短路时故障相角,图(82c)为C相短路时故障严重程度,。
图9为仿真和实验结果图。
图10为电网电压不平衡时仿真结果图。
图11为电机不对称时仿真结果图。
图12为定子电压、电流和转子电压信号同时存在检测误差时的仿真结果图。
具体实施方式
下面结合附图和具体实施例对本发明进行详细说明。
实施例
本文故障诊断方法属于基于故障模型的诊断方法,因此建立精确的故障电机模型至关重要。建立双馈电机的故障模型有很多方法,比如多回路法,有限元法等。但由于其结构复杂不利于在线诊断,故工程上很少应用于在线诊断。现有的双馈异步电机定子a相匝间短路故障在三相静止坐标系(abc坐标系)下的数学模型,该模型可精确识别早期匝间短路故障,但无法识别故障相。
因此,本文将现有的故障模型中短路故障系数μ改进为故障矢量并假设电机处于磁路、电路对称,气隙分布均匀的理想状态,建立了一个包含故障短路回路的数学模型,双馈异步电机定子a相匝间短路示意图如图2所示。
设故障矢量矢量方向表示故障发生相,矢量模值为电机绕组故障短路系数,即绕组短路匝数占本条支路总数的比值,其值越大,故障越严重。若μa、μb、μc分别表示a、b、c相的故障短路系数,则故障矢量可表示为
按图2运行工况,在两相静止坐标系(αβ0)中,故障双馈电机数学模型为:
式中:λαβs,λαβr和λcc分别是αβ0坐标系中定子,转子和短路绕组中的磁通。Uαβs,Uαβr,iαβs,iαβr和if分别是αβ0坐标系中定子电压、转子电压、定子电流、转子电流和故障电流。Rs,Rr和Rf分别为定子、转子和故障阻抗。Lls、Llr和Lms分别为定子、转子漏感和定转子互感。Lm为αβ0坐标系同轴等效定子与转子绕组间的互感,Ls为αβ0坐标系同轴等效定子与转子绕组间的自感、Lr为αβ0坐标系同轴等效定子与转子绕组间的自感。ωr是转子转速。并且:
Ls=Lls+Lm,Lr=Llr+Lm,▽=LrLs-L2 m。
两相静止坐标系下电机的运动方程为:
式中:J为转动惯量,B为粘性系数,TL为负载转矩,TE为电磁转矩。
两相静止坐标系下电机的电磁转矩TE方程为:
式中:P为极对数,可以看出,当电机发生定子绕组匝间短路故障时,电机的电磁转矩由两部分组成,一部分为电机正常工况下产生的电磁转矩,另一部分为电机定子绕组匝间短路故障引起的附加电磁转矩。
为了快速检测和识别匝间短路故障,提出电流估计差的方法。建立正常状态下电机的动态模型的观测器,与实际电机DFIG进行比较,产生电流估计差。对电流估计差分解之后进行分析,进而识别故障。提出的检测识别策略如图3所示。
检测定子、转子电压和转子转速之后,通过观测器计算出估计定子电流与实际电机的定子电流iαβs进行比较产生电流估计差。定义正常运行电流为i′αβs,则
那么观测器数学模型可表示为:
则当定子匝间短路故障发生时,电流估计差eαβs可以表示为:
式中:e* αβs为由于电机结构参数不对称引起的固有误差。如果此项为零,则电流估计差eαβs可以直接反应定子匝间短路故障。然而电机结构参数不对称或其他扰动可能会影响诊断的精确性,从而产生故障误判,因此需要考虑由于电机结构参数不对称引起的固有误差。
对于任意的一个正弦量f和正弦复变量ys αβ都可以用两个复数指数的和来表示,即:
式中:为变量的幅值相量;和分别表示变量的正序和负序分量的相量形式。
通过式(12)的变换方法,式(4)和(5)进行序分量变换可得电机稳态模型为:
式中:和分别表示定子电压、电流的正负序分量。和分别表示转子电压、电流的正负序分量。为故障电流相量形式,ωe为电网频率,s为转差率。该稳态模型与现有的稳态模型很相似,只是本模型中的相量是复数,其方向与故障发生相有关,具体取值如下:
式中:a=ej2π/3。
短路匝电流为:
整理(20),得故障电流表达式为:
定义式(21)中故障阻抗为:
则进一步整理故障电流,可表示为:
根据电机稳态模型(13)~(16)和故障电流方程(23),可计算出正、负序定子电流,用正、负序电压及参数表示为:
式中:
电机无故障运行时,计算正、负序电流为:
式中:为电机额定阻抗,而Zp、Zn、Zrp、Zrn为电机实际阻抗,其因温度或者负载变化产生变化。根据由式(24)和(26)、(25)和(27)可计算得到电流误差:
式中:(28)、(29)的第一项和第三项均为参数受环境、运行工况产生非线性变化而引起的误差,即为(11)中的固有误差e* αβs,第二项由定子匝间故障引起。根据作者发表的文献中提供的在线测量方法,实时测量双馈电机参数,这样正序电流和电流估计差负序分量则可以用于定子匝间短路故障诊断。
式(28)中,电流估计差正序分量eIsp中第一项固有误差参数与第三项参数都要乘以正序电压,而正序电压为电机正常运行电压,数值为额定值时会很大。故而由于参数不平衡或其他干扰引起的误差乘以正序电压后,会导致eIsp很大,即正序电压对电流误差影响较大。式(29)中,电流估计差负序分量eIsn中第一项与第三项固有误差参数都要乘以负序电压,在我国国家标准GB/T15543-2008《电能质量三相电压不平衡度》中规定:电网正常运行情况下,电网负序电压必须低于正序电压的2%,短时不超过4%(双馈电机定子侧接电网电压)。常规并网条件下,双馈转子侧变流器一般采用定子电压或定子磁链定向的双闭环双PI结构矢量控制,外环为定子输出有功和无功功率控制环,跟踪功率指令得到转子电流给定,内环为转子dq轴电流控制环,跟踪外环输出的转子电流给定得到的转子电压指令。因此转子电压受功率环影响,负载变化会影响转子电压,转子电压会存在不可忽略的负序分量。故应先在线辨识双馈电机实际阻抗,以滤除非故障因素带来影响。
在检测出电机实时参数后,电流估计差负序分量eIsn可以用来检测定子匝间短路。忽略(28)、(29)中的定子负序电压,则电流误差的正、负序分量可以表示为:
式中:电流估计差负序分量体现了故障相信息而电流误差正序分量没有体现。
忽略定子负序电压,则式(23)可表示为:
将(32)带入(30)、(31)中,得:
由(34)可以看出,通过实时测量电机参数,滤除电流估计差负序分量eIsn中固有误差部分,使其仅与故障相量和故障电流相关,可以避免因参数不平衡、负载或转速变化引起的影响。
为了量化故障严重程度,选择合理的报警阈值,当故障发生时切断与风力机的联系,避免故障进一步扩大,引入故障严重程度因子ξ。用表示匝间短路故障对电机电流的影响,将其与电机额定电流的比值定义为故障严重程度因子ξ。
式中:IN为电机额定电流,由估计误差分解计算可得
要获得电流估计差负序分量eIsn,必须对电流估计差eαβs进行分解。将电流估计差eαβs投影到反向旋转坐标系中,则此坐标系中,电流估计差负序分量eIsn为直流信号,电流估计差正序分量eIsp为两倍电网频率的交流信号,经低通滤波器可得电流估计差负序分量eIsn的直流信号。
获得eIsn直流信号后,可以重构故障信号由式(30)、(31)可知,与之和为固有误差e* αβs,eIsp第二项与eIsn的第一项有相同的幅值,只是前者不含故障相信息,且eIsp的第二项的相角为的相角减去的相角。因此一旦获得eIsn直流信号后,可重构故障信号过程如图4所示。
获得eIsn信号之后,由式(31),便可获得故障相信息。由式(31)可以看出,故障相的故障系数角由相角相角φZf和相角所决定。由于电流估计差负序分量eIsn已获得,故障阻抗相角φZf可由(22)可以看出略小于φ(Rs+jωeLls)(取决于Rf的值),正序电压相角可以测量,所以可以估算得到故障相的故障系数角
式中:当故障分别发生在a、b、c相时,故障相的故障系数角分别为0、2π/3或4π/3。
因此,如图1所示,本发明提供一种基于电流估计差的海上双馈电机定子绕组匝间短路早期故障辨识方法,该方法包括如下步骤:
步骤1:获取待故障识别的海上双馈电机定子三相电压、转子三相电压、定子三相电流、转子三相电流和转子转速;
步骤2:将获得的三相信号转换到dq轴坐标系,每一个采样周期Ts,计算输出一组电机参数Ls、Lr、Lm、Rs、Rr;将获得的三相信号转换到αβ轴坐标系,通过观测器计算出估计定子电流,计算出估计电流差并分解,得到故障严重程度因子ξ;
IN为电机额定电流,由估计误差分解计算可得
步骤3:判断匝间短路故障引起的故障严重程度ξ幅值是否到达故障预警值,若是则该待故障识别的海上双馈电机发生定子绕组匝间短路故障。
所述的步骤2具体为:
(201)将采集的三相信号变换到dq轴坐标系,通过每一采样周期Ts计算输出一组电机参数Ls、Lr、Lm、Rs、Rr,其计算式为:
式中:usd、usq、isd、isq分别是定子电压、电流的d、q轴分量;urd、urq、ird、irq分别是转子电压、电流。ω1为定子电流角频率(50Hz),ω2为转子电流角频率。
以Ts采样周期,将上述两式离散化,得到离散的双馈电机dq坐标系下最小二乘法标准形式的矩阵式:
由于电机的实际参数受运行工况与状态等因素影响而产生非线性变化,采用递推最小二乘法,由k-1+n组数据获得参数估计当增加一组采样数据时做一些修正,得到新的估计结果迭代公式为
式中初始值可设置为P(0)=π0I,其中π0为常数,α0、β0、γ0为待测参数初始数值。
对于公式(38),采样数据
对于公式(39),采样数据
(202)将采集的三相信号变换到αβ轴坐标系,根据式(9)、(10)计算出估计定子电流
(203)根据式(11)算出电流估计差eαβs可以表示为
(204)将电流估计差eαβs投影到反向旋转坐标系中,在此坐标系中,电流估计差负序分量eIsn为直流信号,电流估计差正序分量eIsp为两倍电网频率的交流信号,经低通滤波器可得电流估计差负序分量eIsn的直流信号。(本文所说的正向旋转坐标系角速度为电网频率ωe,反向旋转坐标系角速度为-ωe);
(205)根据图4,投影到正向旋转坐标系中,得到电流估计差负序分量eIsn。电流估计差负序分量eIsn的直流信号投影到以角度旋转的坐标系得到不含固有误差信息的信号,将之与eIsn作和便可重构故障信号
(206)由式(35)可计算出故障严重程度因子ξ,
(207)由式(36)可计算出故障相的故障系数角
仿真和实验时电网电压为对称的三相电压,转子转差10%,信号测量时采样周期Ts为50μs,正常工作时定子有功给定为-3000W(以流入电机的功率为正方向),无功给定为0var,为了保护实验设备,故障时使系统降额运行,即发生匝间短路故障时,定子有功给定为-2700W,无功给定为0var。仿真与实验结果如图6所示。
为了更清晰的展示定转子电流正常状态与故障状态之间的区别,仿真中设定定子绕组在t=1s时发生故障矢量为[10]T*0.045的匝间短路故障,即故障发生在A相,2匝短路(短路系数为0.045),实验波形如图5(a)所示;在实验波形5(b)中,定子绕组在t=0.4s时刻发生于仿真同类型的故障。图5(c)和图5(d)分别为仿真和实验的转子电流波形。
由图5可得,当电机发生定子绕组匝间短路故障时,仿真电流波形与实验电流波形变化趋势基本一致,仿真与实验相互印证,说明仿真的正确性。发生匝间短路故障后,故障相(a相)电流幅值减小,非故障相(b、c相)电流幅值增大,这是由于匝间短路后,a相的有效绕组变小,使得a相发出电流幅值减小;同时,定子端电压保持不变,在功率恒定的情况下b、c相发出的电流幅值将会相应增大。且定子绕组发生匝间短路时,转子电流谐波含量增加,导致转子电流波形不平滑。
为了观察故障特征量,验证故障诊断方法有效性,设定仿真中定子绕组在t=1s时发生故障矢量为[1 0]T*0.01的匝间短路故障,模拟故障发生在A相的2匝匝间短路(短路系数为0.01),故障特征量如图6所示。
由图6中可以看出,当发生2匝轻微短路故障时,正常状态与故障状态的故障严重程度区别明显,电流估计差可识别轻微匝间短路故障。
实验中A相定子绕组在t=0.392s时发生2匝匝间短路故障(短路系数为0.01),如图7(a)所示,可以发现故障前后的故障特征量变化较为明显。图7(b)中电机固有误差变化不大,符合实际。
为了验证发生轻微故障时,故障特征量对故障严重程度及故障相识别的灵敏性、准确性,三组实验数据中定子绕组的A、B、C相分别在t=0.392s、t=0.362s、t=0.403s时发生2匝匝间短路故障(短路系数为0.01),故障相角及故障严重程度如图8所示。可以看出,实验中当故障分别发生在A、B、C相时,本模型能识别不同故障相及故障严重程度。
图9给出了不同故障系数下的仿真和实验结果。
由于仿真时的故障电机模型为理想电机,忽略各种实际运行中的客观因素,如电机运行中的温度、轴间阻尼、摩擦系数等。而实验时这些因素客观存在且不可忽略,并且由于实际电机各种参数的非线性,导致实验得到的故障严重程度略大于理想工况下(电网电压平衡、电机理想对称、信号检测无误差)的仿真值。由图9可看出,两者故障严重程度变化规律一直,说明了本文所建立的故障模型的正确性,验证了电流估计差能实验对早期故障的诊断,且本文的公式推导时正确的。
前文已验证了本文建模方法的正确性,为了更深入的分析本文所提出的故障特征量随故障的变化特性,在实验条件受限的情况下(例如:短路匝数不可随意设置、实验时不能确定信号检测是否存在误差、不能确定电机固有不对称程度),结合仿真进一步分析。
工程上的电网电压存在一定程度的不平衡,实际电机不可能做到完全对称,且信号检测时不可避免的会存在误差,故研究工程上可能出现的各种运行工况对电流估计差的影响是有必要的。仿真时双馈电机参数与实验一致,如图10-12是在不同运行工况下的仿真结果,仿真中短路系数从0(无故障)增加到0.1(20匝匝间短路)。
由图10可知,电网电压不平衡下的非理想工况仿真结果与理想工况下仿真结果存在微小差异,因为电网电压不平衡为外部影响因子,对观测器与实际电机的定子电流计算同时存在误差,但两者之差可将误差抵消。
由图11可知,电机不对称下的非理想工况仿真结果与理想工况下仿真结果差异微小,因为提取故障特征量时已滤除电机固有不对称影响,仿真结果与理论推导吻合。
由图12可知,定子电压、电流和转子电压信号同时存在检测误差下的非理想工况仿真结果与理想工况下仿真结果有一定差异,但变化趋势一致。
综上所述,通过剔除固有误差的影响,本文提出诊断方法对电机固有不对称、信号检测误差和定子电压不对称具有鲁棒性。
Claims (4)
1.一种海上双馈电机定子绕组匝间短路早期故障辨识方法,其特征在于,包括以下步骤:
1)获取待故障识别的海上双馈电机的三相信号,包括定子三相电压、转子三相电压、定子三相电流、转子三相电流和转子转速;
2)将三相信号转换到dq轴坐标系,获取电机参数,再将三相信号转换到αβ轴坐标系,通过观测器获取估计定子电流,计算出估计电流差并分解,得到故障严重程度因子ξ,具体包括以下步骤:
21)将采集的三相信号变换到dq轴坐标系,在每一采样周期Ts计算输出一组电机参数,包括定子等效两相绕组的自感Ls、转子等效两相绕组的自感Lr、定子与转子同轴等效绕组间的互感Lm、定子阻抗Rs和转子阻抗Rr;
22)将采集的三相信号变换到αβ轴坐标系,通过观测器计算估计定子电流计算式为:
其中,为αβ0坐标系中定子绕组磁通观测值,Uαβs为αβ0坐标系中定子电压,为通过观测器计算出的估计定子电流,Uαβr为αβ0坐标系中转子电压,Rr为转子阻抗,为通过观测器计算出的估计转子电流,Q为常数矩阵,为转子转速;
23)根据估计定子电流计算电流估计差eαβs,电流估计差eαβs计算式为:
其中,iαβs为实际电机的定子电流,为通过观测器计算估计定子电流,为固有误差;
24)根据电流估计差eαβs进行重构得到故障信号
25)计算故障严重程度因子ξ:
其中,IN为电机额定电流,为故障矢量,if为故障电流,为故障信号的模值;
3)当匝间短路故障引起的故障严重程度ξ幅值到达故障预警值时,则该待故障识别的海上双馈电机发生定子绕组匝间短路故障。
2.根据权利要求1所述的一种海上双馈电机定子绕组匝间短路早期故障辨识方法,其特征在于,所述的步骤24)具体包括以下步骤:
241)将电流估计差eαβs投影到反向旋转坐标系中,通过低通滤波器获取电流估计差负序分量eIsn的直流信号,再将电流估计差负序分量eIsn的直流信号投影到正向旋转坐标系中,得到电流估计差的负序分量eIsn;
242)将电流估计差负序分量eIsn的直流信号投影到以角度旋转的坐标系中得到不含固有误差信息的信号,并且将信号与电流估计差负序分量eIsn作和重构得到故障信号
3.根据权利要求1所述的一种海上双馈电机定子绕组匝间短路早期故障辨识方法,其特征在于,所述的步骤2)还包括以下步骤:
26)计算出故障相的故障系数角并且根据故障系数角的数值确定发生故障的具体相号。
4.根据权利要求3所述的一种海上双馈电机定子绕组匝间短路早期故障辨识方法,其特征在于,当故障相的故障系数角分别为0、2π/3或4π/3时,对应的故障分别发生在a、b、c相。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710285896.6A CN107132450B (zh) | 2017-04-27 | 2017-04-27 | 一种海上双馈电机定子绕组匝间短路早期故障辨识方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710285896.6A CN107132450B (zh) | 2017-04-27 | 2017-04-27 | 一种海上双馈电机定子绕组匝间短路早期故障辨识方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107132450A CN107132450A (zh) | 2017-09-05 |
CN107132450B true CN107132450B (zh) | 2019-06-11 |
Family
ID=59715248
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710285896.6A Active CN107132450B (zh) | 2017-04-27 | 2017-04-27 | 一种海上双馈电机定子绕组匝间短路早期故障辨识方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107132450B (zh) |
Families Citing this family (19)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108279362B (zh) * | 2017-12-15 | 2020-04-10 | 上海电力学院 | 海上双馈电机转子绕组匝间短路故障辨识方法 |
CN108318815A (zh) * | 2018-01-17 | 2018-07-24 | 河海大学 | 一种双馈风力发电机在线监测及故障综合诊断方法 |
CN108535582B (zh) * | 2018-03-13 | 2020-04-07 | 上海电力学院 | 一种基于正序阻抗角的定子绕组匝间短路故障辨识方法 |
CN110208642B (zh) * | 2019-05-22 | 2021-08-10 | 中南大学 | 永磁同步电机定子匝间短路故障退化过程模拟方法及系统 |
CN111880097B (zh) * | 2020-08-27 | 2023-04-28 | 中车青岛四方车辆研究所有限公司 | 一种列车牵引电机三相对称短路故障检测方法 |
CN114114068B (zh) * | 2020-08-28 | 2024-07-02 | 台达电子工业股份有限公司 | 马达连接故障检测方法 |
CN112234888B (zh) * | 2020-09-29 | 2022-06-24 | 潍柴动力股份有限公司 | 一种用于电机的电流辨识方法、电机控制器及车辆 |
CN112684242A (zh) * | 2020-10-26 | 2021-04-20 | 国网安徽省电力有限公司信息通信分公司 | 一种基于大数据的电力系统分析预警方法 |
CN112595973B (zh) * | 2020-11-23 | 2022-07-15 | 杨东 | 基于电流信号坐标转换的dfig叶轮不平衡故障诊断方法 |
CN112861350B (zh) * | 2021-02-08 | 2023-03-07 | 华侨大学 | 一种水冷式汽轮发电机定子绕组温度过热缺陷预警方法 |
CN113009338B (zh) * | 2021-02-26 | 2022-12-06 | 中国长江三峡集团有限公司 | 海上风电变桨电机定子匝间短路故障诊断方法 |
CN113064073B (zh) * | 2021-03-12 | 2022-02-18 | 合肥恒大江海泵业股份有限公司 | 基于剩余电流的永磁同步电机匝间短路故障诊断方法 |
CN113311333B (zh) * | 2021-05-26 | 2022-06-10 | 北京航空航天大学 | 高速鼓风机定子在线故障诊断系统及方法 |
CN113848477B (zh) * | 2021-10-19 | 2022-04-08 | 南京理工大学 | 一种多相永磁同步电机匝间短路故障诊断方法 |
CN114970681B (zh) * | 2022-04-29 | 2024-08-20 | 华中科技大学 | 一种感应电机故障诊断方法及系统 |
CN115184837A (zh) * | 2022-07-20 | 2022-10-14 | 云南电网有限责任公司电力科学研究院 | 用于变压器线圈的等价测试装置及测试方法 |
CN117192364B (zh) * | 2023-09-05 | 2024-06-28 | 深圳新立图智能科技有限公司 | 一种双馈风力发电机的绕组匝间短路故障诊断方法及系统 |
CN117406024B (zh) * | 2023-10-19 | 2024-05-24 | 国网湖北省电力有限公司荆门供电公司 | 一种基于mk检验的负序重构技术及在故障区段定位中应用方法 |
CN117554809B (zh) * | 2024-01-10 | 2024-03-22 | 北京博华鑫诺科技有限公司 | 电机绕组平衡检测方法、装置、电子设备及存储介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103487718A (zh) * | 2013-09-17 | 2014-01-01 | 东南大学 | 一种永磁同步电机匝间短路故障诊断的方法 |
CN103558547A (zh) * | 2013-11-01 | 2014-02-05 | 东南大学 | 一种永磁同步电机的智能故障诊断方法 |
CN104991161A (zh) * | 2015-06-08 | 2015-10-21 | 西安交通大学 | 双馈风力发电机定子绕组匝间短路建模及特征提取方法 |
JP2015201905A (ja) * | 2014-04-04 | 2015-11-12 | パナソニックIpマネジメント株式会社 | インバータ制御装置 |
CN106054078A (zh) * | 2016-07-26 | 2016-10-26 | 上海电力学院 | 一种海上双馈电机定子绕组匝间短路故障辨识方法 |
-
2017
- 2017-04-27 CN CN201710285896.6A patent/CN107132450B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103487718A (zh) * | 2013-09-17 | 2014-01-01 | 东南大学 | 一种永磁同步电机匝间短路故障诊断的方法 |
CN103558547A (zh) * | 2013-11-01 | 2014-02-05 | 东南大学 | 一种永磁同步电机的智能故障诊断方法 |
JP2015201905A (ja) * | 2014-04-04 | 2015-11-12 | パナソニックIpマネジメント株式会社 | インバータ制御装置 |
CN104991161A (zh) * | 2015-06-08 | 2015-10-21 | 西安交通大学 | 双馈风力发电机定子绕组匝间短路建模及特征提取方法 |
CN106054078A (zh) * | 2016-07-26 | 2016-10-26 | 上海电力学院 | 一种海上双馈电机定子绕组匝间短路故障辨识方法 |
Non-Patent Citations (2)
Title |
---|
感应电机定子绕组匝间短路故障诊断方法研究;刘烔;《中国博士学位论文全文数据库(电子期刊)》;20080515;第2008卷(第5期);全文 |
永磁同步电机匝间短路故障在线诊断研究;杨文超;《中国优秀硕士学位论文全文数据库(电子期刊)》;20170315;第2017卷(第3期);全文 |
Also Published As
Publication number | Publication date |
---|---|
CN107132450A (zh) | 2017-09-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107132450B (zh) | 一种海上双馈电机定子绕组匝间短路早期故障辨识方法 | |
Elbouchikhi et al. | An efficient Hilbert–Huang transform-based bearing faults detection in induction machines | |
Ayhan et al. | On the use of a lower sampling rate for broken rotor bar detection with DTFT and AR-based spectrum methods | |
CN101977008B (zh) | 双馈风电机组关键传感器故障的判断方法 | |
CN107783006B (zh) | 水轮发电机转子绕组匝间短路故障检测方法 | |
CN106054078A (zh) | 一种海上双馈电机定子绕组匝间短路故障辨识方法 | |
EP3480610A1 (en) | Diagnosing a winding set of a stator | |
CN103259485B (zh) | 电网电压不平衡条件下提高无速度传感器辨识精度的方法 | |
CN103995245B (zh) | 双馈风力发电机定转子电流信号检测系统的故障判断方法 | |
CN105425171A (zh) | 一种变频器低电压穿越电源电压跌落检测方法 | |
CN113064073B (zh) | 基于剩余电流的永磁同步电机匝间短路故障诊断方法 | |
CN108278184B (zh) | 基于经验模态分解的风电机组叶轮不平衡监测方法 | |
Fan et al. | Dynamic state estimation and parameter calibration of a DFIG using the ensemble Kalman filter | |
Sarma et al. | Rotor electrical fault detection in DFIGs using wide-band controller signals | |
Fu et al. | Using flux linkage difference vector in early inter-turn short circuit detection for the windings of offshore wind DFIGs | |
CN108279362B (zh) | 海上双馈电机转子绕组匝间短路故障辨识方法 | |
Idrissi et al. | A bank of Kalman filters for current sensors faults detection and isolation of DFIG for wind turbine | |
Yang et al. | Condition monitoring and fault diagnosis of generators in power networks | |
CN108732522A (zh) | 发电机转子绕组匝间短路故障监测装置的测试装置及方法 | |
CN104267243B (zh) | 同步发电机内电势和电抗参数的测量方法及装置 | |
EP3652853B1 (en) | Monitoring a multi-winding set stator | |
Cablea et al. | Online condition monitoring of wind turbines through three-phase electrical signature analysis | |
Zaggout et al. | Wind turbine condition monitoring using generator control loop signals | |
CN113033467A (zh) | 一种叶片故障诊断方法、存储介质和诊断装置 | |
CN108535582B (zh) | 一种基于正序阻抗角的定子绕组匝间短路故障辨识方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |