CN112147504B - 变流器故障检测方法和装置、计算机设备 - Google Patents
变流器故障检测方法和装置、计算机设备 Download PDFInfo
- Publication number
- CN112147504B CN112147504B CN201910568484.2A CN201910568484A CN112147504B CN 112147504 B CN112147504 B CN 112147504B CN 201910568484 A CN201910568484 A CN 201910568484A CN 112147504 B CN112147504 B CN 112147504B
- Authority
- CN
- China
- Prior art keywords
- subsystem
- fault
- vector
- side voltage
- voltage
- 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
- 238000001514 detection method Methods 0.000 title claims abstract description 17
- 238000000034 method Methods 0.000 claims description 27
- 238000012360 testing method Methods 0.000 claims description 5
- 238000001914 filtration Methods 0.000 claims description 4
- 238000004458 analytical method Methods 0.000 abstract description 16
- 238000010586 diagram Methods 0.000 description 13
- 238000003745 diagnosis Methods 0.000 description 10
- 239000003990 capacitor Substances 0.000 description 6
- 230000008859 change Effects 0.000 description 6
- 230000009471 action Effects 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 238000012512 characterization method Methods 0.000 description 3
- 239000011159 matrix material Substances 0.000 description 3
- 238000013139 quantization Methods 0.000 description 3
- 230000008030 elimination Effects 0.000 description 2
- 238000003379 elimination reaction Methods 0.000 description 2
- 230000004907 flux Effects 0.000 description 2
- 238000010248 power generation Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- 230000005856 abnormality Effects 0.000 description 1
- 238000007792 addition Methods 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000001816 cooling Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 230000004807 localization Effects 0.000 description 1
- 238000002156 mixing Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J3/00—Circuit arrangements for ac mains or ac distribution networks
- H02J3/38—Arrangements for parallely feeding a single network by two or more generators, converters or transformers
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/213—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J2300/00—Systems for supplying or distributing electric power characterised by decentralized, dispersed, or local generation
- H02J2300/20—The dispersed energy generation being of renewable origin
- H02J2300/28—The renewable source being wind energy
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Evolutionary Computation (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Power Engineering (AREA)
- Supply And Distribution Of Alternating Current (AREA)
- Tests Of Circuit Breakers, Generators, And Electric Motors (AREA)
- Control Of Eletrric Generators (AREA)
Abstract
本发明公开一种变流器故障检测方法和装置、计算机设备。该变流器故障检测方法,包括:获得目标参量在变流器待测子系统中的输出控制向量和输出反馈向量;计算输出控制向量和输出反馈向量的差,得到特征偏差向量;根据特征偏差向量对待测子系统进行故障定位;其中,输出控制向量和输出反馈向量均由与待测子系统关联的风机运行数据确定。采用本发明实施例中的技术方案,能够自动定位出变流器故障的类型,提高变流器故障的分析效率。
Description
技术领域
本发明涉及风力发电技术领域,尤其涉及一种变流器故障检测方法和装置、计算机设备。
背景技术
风力发电机组的变流器在运行过程中,难免会因为异常而报故障。目前,故障报警只能说明变流器的运行出现了问题,无法指出问题的位置和原因,用户需要对故障信息进行分析才能实现故障定位。
但是,这种经用户参与分析才能实现故障定位的方式,非常依赖于用户的能力和经验。在所有变流器故障类型中,电气、冷却等非控制类故障相对容易分析,而控制类故障(比如电压、电流等故障)往往要涉及到复杂的运行原理,分析难度很大,一般只有业内专家才能较快的分析出结论。然而,绝大多数运维人员还远远达不到专家级别。这就导致故障分析效率低下,故障停机时间很长,影响整机发电量,损害客户利益。
发明内容
本发明实施例提供了一种变流器故障检测方法和装置、计算机设备,能够自动定位出变流器故障的类型,提高变流器故障的分析效率。
第一方面,本发明实施例提供一种变流器故障检测方法,该方法包括:
获得目标参量在变流器待测子系统中的输出控制向量和输出反馈向量;
计算输出控制向量和输出反馈向量的差,得到特征偏差向量;
根据特征偏差向量对待测子系统进行故障定位;
其中,输出控制向量和输出反馈向量均由与待测子系统关联的风机运行数据确定。
在第一方面的一种可能的实施方式中,根据特征偏差向量对待测子系统进行故障定位的步骤,包括:若特征偏差向量中至少一个元素的值不等于0,则确定待测子系统发生内部故障;若特征偏差向量中所有元素的值均为0,则确定待测子系统发生外部故障。
在第一方面的一种可能的实施方式中,目标参量为电压;待测子系统为网侧子系统;输出控制向量由直流母线电压和网侧PWM信号确定;输出反馈向量由网侧电压和网侧电流确定。
在第一方面的一种可能的实施方式中,网侧子系统的特征偏差向量Re的表达式为:
其中,P为预设的特征矩阵,ea、eb、ec分别为网侧三相电压,ia、ib、ic分别为网侧三相电流,udc为的直流母线电压,sa、sb、sc分别为网侧三相PWM信号,R是网侧线路电阻,L是网侧电抗。
在第一方面的一种可能的实施方式中,
根据特征偏差向量对待测子系统进行故障定位的步骤,包括:
若r1=0,r2=0,r3=0,则确定网侧子系统发生外部故障;
若r1≠0,r2=0,r3≠0,则确定网侧子系统发生a相支路故障;
若r1≠0,r2≠0,r3=0,则确定网侧子系统发生b相支路故障;
若r1=0,r2≠0,r3≠0,则确定网侧子系统发生c相支路故障。
若r1≠0,r2≠0,r3≠0,则确定直流母线电压传感器发生故障或者三相支路中至少两相支路同时发生故障。
在第一方面的一种可能的实施方式中,目标参量为电压;待测子系统为机侧子系统;输出控制向量由发电机的反电势和机侧电流确定;输出反馈向量由机侧电压确定。
在第一方面的一种可能的实施方式中,机侧子系统的特征偏差向量Rg的表达式为:
其中,Es是发电机的反电势,isd为机侧电流的d轴分量,isq为机侧电流的q轴分量,usd是机侧电压的d轴分量,usq是机侧电压的q轴分量,Rs是机侧线路电阻,ωe是电角速度,Lsd是机侧电感的d轴分量,Lsq是机侧电感的q轴分量。
在第一方面的一种可能的实施方式中,根据特征偏差向量对待测子系统进行故障定位的步骤,包括:
若r4=0,r5=0,则确定机侧子系统发生外部故障;
若r4、r5中至少一个不为0,则确定机侧子系统发生内部故障,机侧子系统的内部故障包括以下故障中的至少一个:机侧子系统与发电机之间的线路发生故障,机侧电流传感器回路发生故障和机侧驱动回路故障。
在第一方面的一种可能的实施方式中,待测子系统为网侧子系统或者机侧子系统;在确定待测子系统发生外部故障之后,该方法还包括:确定外部故障的类型;若网侧电压或者机侧电压的当前值超出极限阈值,则确定网侧电压或者机侧电压发生值超限故障;若网侧电压或者机侧电压的滤除基波以后的谐波幅值超出极限谐波幅值,则确定网侧电压或者机侧电压发生谐波超限故障;若网侧电压或者机侧电压的当前时刻和上一时刻之间的相位差超出预设相位差范围,则确定网侧电压或者机侧电压发生相位突变故障;若网侧电压或者机侧电压的当前频率超出预设频率范围,则确定网侧电压或者机侧电压发生频率超限故障;若网侧功率和机侧功率的差值的绝对值大于预设阈值,则确定直流母线电压发生故障;若网侧电压和直流母线电压均正常,则确定网侧PWM信号发生故障;若机侧电压和直流母线电压均正常,则确定机侧PWM信号发生故障。
在第一方面的一种可能的实施方式中,目标参量为电流;待测子系统为直流母线子系统;输出控制向量由机侧电流和机侧PWM信号确定;输出反馈向量由直流母线电压、网侧电流和网侧PWM信号确定。
在第一方面的一种可能的实施方式中,直流母线子系统的特征偏差向量Rd的表达式为:
其中,sga、sgb、sgc为机侧PWM信号,iga、igb、igc为机侧三相电流,sa、sb、sc为机侧PWM信号,ia、ib、ic为网侧三相电流,udc为直流母线电压,C为直流母线电容。
在第一方面的一种可能的实施方式中,根据特征偏差向量对待测子系统进行故障定位的步骤,包括:若Rd=0,则确定直流母线子系统发生外部故障,外部故障包括以下故障中的至少一个:直流母线电压故障、机侧电流故障和网侧电流故障;若Rd≠0,则确定直流母线子系统发生内部故障,直流母线子系统的内部故障包括以下故障中的至少一个:直流母线电容损坏故障和PWM调制出错故障。
第二方面,本发明实施例提供一种变流器故障检测装置,该装置包括:
目标参量向量获得模块,用于获得目标参量在变流器待测子系统中的输出控制向量和输出反馈向量;
特征偏差向量计算模块,用于计算输出控制向量和输出反馈向量的差,得到特征偏差向量;
故障定位模块,用于根据特征偏差向量对待测子系统进行故障定位;
其中,输出控制向量和输出反馈向量均由与待测子系统关联的风机运行数据确定。
在第二方面的一种可能的实施方式中,该装置设置在风力发电机组的主控制器或者变流器控制器中。
第三方面,本发明实施例提供一种计算机设备,其上存储有程序,程序被处理器执行时实现如上所述的变流器故障检测方法。
本发明实施例将目标参量在待测子系统中的输出控制向量和输出反馈向量的差值作为特征偏差向量,用来表征和量化因子系统故障而引起的信号波动,从而实现对变流器的故障定位。
与现有技术中的需要用户参与分析才能实现故障定位的方式相比,本发明实施例不需要依赖用户的能力和经验,而是可以通过处理与待测子系统关联的风机运行数据,得到目标参量在故障子系统中的输出控制向量和输出反馈向量,并利用两者相减得到的特征偏差向量表征和量化因子系统故障而引起的信号波动,从而自动定位出子系统故障的类型,提高变流器故障的分析效率。
附图说明
从下面结合附图对本发明的具体实施方式的描述中可以更好地理解本发明其中,相同或相似的附图标记表示相同或相似的特征。
图1为本发明实施例设计的风力发电机组的并网结构示意图。
图2为本发明一实施例提供的变流器故障检测方法的流程示意图;
图3为本发明另一实施例提供的变流器故障检测方法的流程示意图;
图4为本发明实施例提供的与网侧子系统故障关联的信号示意图;
图5为本发明实施例提供的基于网侧子系统的故障诊断的逻辑框图;
图6为本发明实施例提供的与机侧子系统故障关联的信号示意图;
图7为本发明实施例提供的基于机侧子系统的故障诊断的逻辑框图;
图8为本发明实施例提供的变流器故障检测装置的结构示意图。
具体实施方式
下面将详细描述本发明的各个方面的特征和示例性实施例。在下面的详细描述中,提出了许多具体细节,以便提供对本发明的全面理解。
图1为本发明实施例涉及的风力发电机组的并网结构示意图。
如图1所示,风力发电机组和电网之间设置有变流器100。
变流器100从发电机侧到网侧依次包括机侧子系统101、直流母线子系统102和网侧子系统103。其中,机侧子系统101包括6个IGBT组成的全桥结构,用于对风力发电机组发电产生的三相交流电进行整流。直流母线子系统102包括制动单元(图中未示出)和直流母线电容C,其中,制动单元用于消耗有功功率以使直流母线电容C两端的电压维持在稳定值。网侧子系统103包括6个IGBT组成的全桥结构,用于将整流后的直流电重新转换为三相交流电并入电网。
本发明实施例提供了一种变流器故障检测方法和装置、计算机设备,能够不需要业内专家参与分析,自动定位出变流器故障的类型,从而提高对变流器故障的分析效率。
图2为本发明一实施例提供的变流器故障检测方法的流程示意图。如图2所示,该变流器故障检测方法包括步骤201至步骤203。
在步骤201中,获得目标参量在变流器待测子系统中的输出控制向量和输出反馈向量。
图1中示出的变流器的三个待测子系统分别为:机侧子系统101、直流母线子系统102和网侧子系统103。
以待测子系统为网侧子系统103为例,目标参量可以为电压,网侧子系统103中电压的输出控制向量可以由与网侧子系统103关联的风机运行参数:直流母线电压和网侧PWM信号确定,电压的输出反馈向量可以由与网侧子系统103关联的风机运行参数:网侧电压和网侧电流确定。
以待测子系统为机侧子系统101为例,目标参量可以为电压,机侧子系统101中电压的输出控制向量可以由与机侧子系统101关联的风机运行参数:发电机的反电势和机侧电流确定,电压的输出反馈向量可以由与机侧子系统101关联的风机运行参数:机侧电压确定。
以待测子系统为直流母线子系统102为例,则目标参量可以为电压,直流母线子系统102电流的输出控制向量可以由与直流母线子系统102关联的风机运行参数:机侧电流和机侧PWM信号确定,电流的输出反馈向量可以由与机侧子系统101关联的风机运行参数:直流母线电压、网侧电流和网侧PWM信号确定。
在步骤202中,计算输出控制向量和输出反馈向量的差,得到特征偏差向量。
在步骤203中,根据特征偏差向量对待测子系统进行故障定位。
由于变流器的各子系统在正常运行时,各信号均处于稳定状态(直流信号平稳,交流信号相对稳定),运行过程中变流器或者各子系统控制器会实时记录信号或者动作,而在变流器的任一子系统发生故障时,与该子系统关联的直流信号或者交流信号将出现波动。
本发明实施例将目标参量在待测子系统中的输出控制向量和输出反馈向量的差值作为特征偏差向量,用来表征和量化因子系统故障而引起的信号波动,从而实现对变流器的故障定位。
与现有技术中的需要用户参与分析才能实现故障定位的方式相比,本发明实施例不需要依赖用户的能力和经验,而是可以通过处理与待测子系统关联的风机运行数据,得到目标参量在故障子系统中的输出控制向量和输出反馈向量,并利用两者相减得到的特征偏差向量表征和量化因子系统故障而引起的信号波动,从而自动定位出子系统故障的类型,提高变流器故障的分析效率。
图3为本发明另一实施例提供的变流器故障检测方法的流程示意图,图3与图2的不同之处在于,图2中的步骤203可细化为图3中的步骤2031和步骤2032。
在步骤2031中,若特征偏差向量中至少一个元素的值不等于0,则确定待测子系统发生内部故障。
其中,内部故障指的是子系统本身的元器件或者回路发生故障,包括:电路开路、短路、传感器回路故障和驱动回路故障等。
在步骤2032中,若特征偏差向量中所有元素的值均为0,则确定待测子系统发生外部故障。
其中,外部故障指的是子系统关联的外部信号发生故障,包括:网侧电压或机侧电压故障、直流母线电压故障以及网侧或者PWM信号故障等。
在本发明实施例中,特征偏差向量所包含的元素的数目与计算所采用的坐标系相关,若采用abc坐标系,则特征偏差向量所包含的元素的数目为3,若采用dq坐标系,则特征偏差向量所包含的元素的数目为2。
在本发明实施例中,特征偏差向量能够表征和量化因子系统故障而引起的信号波动,若特征偏差向量中所有元素的值均为0,说明该子系统本身的元器件或者回路未发生故障,可以确定该子系统发生外部故障,即与该子系统关联的外部信号发生故障。反之,若特征偏差向量中至少一个元素的值不等于0,说明该子系统本身的元器件或者回路发生故障,即该子系统发生内部故障。
下面以变流器中的各子系统为例,对本发明实施例中的故障定位方法进行详细说明。
图4为本发明实施例提供的与网侧子系统故障关联的信号示意图。
下面结合图4对网侧子系统103的控制原理进行说明:
直流母线电压传感器401、网侧电流传感器403和网侧电压传感器404采集主回路信号并传送到网侧控制405,网侧控制器405对信号进行处理后,生成PWM信号并发送至网侧驱动器402,由网侧驱动器402驱动IGBT工作,IGBT的动作又会引起主回路中的信号发生变化,变化的信号又会引起控制器调整PWM,如此往复。
正常运行时,各信号均处于稳定状态,直流信号平稳,交流信号相对稳定,运行过程中网侧控制器405会实时记录信号或者动作,并将这些数据输入至网侧子系统103的特征偏差向量Re计算模型中。
在一示例中,特征偏差向量Re的表达式为:
其中,P为预设的特征矩阵,ea、eb、ec分别为网侧三相电压(e_abc),ia、ib、ic分别为网侧三相电流(i_abc),udc为的直流母线电压(u_dc),sa、sb、sc分别为网侧三相PWM信号,R是网侧线路电阻,L是网侧电抗。
在式(1)中,网侧三相电压(e_abc)和网侧三相电流(i_abc)形成网侧子系统103的输出反馈向量,直流母线电压(u_dc)和网侧三相PWM信号形成网侧子系统103的输出控制向量。
根据式(1),当网侧子系统103正常运行时,输出反馈向量和输出控制向量应该相等,即特征偏差向量Re中各元素的值均为0;当网侧子系统103发生内部故障时,输出反馈向量和输出控制向量不再相等,特征偏差向量Re的各元素的值将不全为0。
在一示例中,特征矩阵P的表达式为:
下面结合式(1)和(2)说明网侧子系统103的故障定位方法:
若r1=0,r2=0,r3=0,表示网侧子系统的电压的输出控制向量和输出反馈向量相等,即电压的输出值和反馈值一致,说明网侧子系统内部运行正常,可以确定网侧子系统发生外部故障;
由于A相信号与r1和r3对应的方程有关,与r2对应的方程无关,因此,若r1≠0,r2=0,r3≠0,则可以确定网侧子系统发生a相支路故障;
由于B相信号与r1和r2对应的方程有关,与r3对应的方程无关,因此,若r1≠0,r2≠0,r3=0,则可以确定网侧子系统发生b相支路故障;
由于B相信号与r2和r3对应的方程有关,与r1对应的方程无关,因此,若r1=0,r2≠0,r3≠0,则可以确定网侧子系统发生c相支路故障。
若r1≠0,r2≠0,r3≠0,则说明发生了同时影响三相支路的故障,可以确定直流母线电压传感器发生故障或者三相支路中至少两相支路同时发生故障。
在一示例中,当网侧电压和网侧电流的加和为零时,式(1)可简化以下形式:
在一示例中,式(3)的基于dq坐标系的表达式为:
其中,ed为网侧电压的d轴分量,eq为网侧电压的q轴分量,id为网侧电流的d轴分量,iq为网侧电压的q轴分量,sd为网侧PWM信号的d轴分量,sq为网侧PWM信号的q轴分量,ω为网侧电压的角速度。
进一步地,若网侧子系统103发生外部故障,可通过分析信号特征诊断外部故障类型,具体诊断方法如下:
a1、若网侧电压的当前值超出极限阈值,则确定网侧电压发生值超限故障。比如,设极限阈值为650V,若当前值超出650V说明网侧电压发生值超限故障。
b1、若网侧电压的滤除基波以后的谐波幅值超出极限谐波幅值,则确定网侧电压发生谐波超限故障。
由于网侧电压正常时,对网侧电压做FFT(Fast Fourier Transformation,快速傅立叶变换)分析后只有基波成分,而若网侧电压包含谐波,FFT分析结果中会出现除基波以外的谐波成分,谐波的幅值会不为零,因此,当谐波幅值超出极限谐波幅值时,即能够确定网侧电压发生谐波超限故障。
c1、若网侧电压的当前时刻和上一时刻之间的相位差超出预设相位差范围,则确定网侧电压发生相位突变故障。
由于网侧电压正常时锁相环得到的相位信息是均匀递增的,即当前时刻和上一时刻的相位差为已知常数,而一旦出现突变问题,相位将出现跳变,相位差将不等于该常数,因此,将相位差与常数进行比较即能够确定网侧电压是否发生相位突变故障。
d1、若网侧电压的当前频率超出预设频率范围,则确定网侧电压发生频率超限故障。
由于网侧电压正常时,网侧电压频率在已知的一定频率范围内,通过锁相环可计算得到频率值,当频率值超出该频率范围时,即能够确定网侧电压发生频率超限故障。
e1、若网侧功率和机侧功率的差值的绝对值大于预设阈值,即网侧功率和机侧功率不匹配,则确定直流母线电压发生故障。
f1、若网侧电压和直流母线电压均正常,通过排除法,能够确定网侧PWM信号发生故障。
如上所述,本发明实施例能够先根据特征偏差向量确定出网侧子系统发生内部故障还是外部故障,然后进一步定位内部故障类型和外部故障类型,从而实现了对网侧子系统故障原因的逐级定位,进而避免因内外原因混肴而导致的定位不准确的问题。
为便于本领域技术人员理解,下面以网侧子系统103为例对本发明实施例的故障定位方法的具体实现形式进行说明。
图5为本发明实施例提供的基于网侧子系统的故障诊断的逻辑框图,如图5所示,网侧子系统103的故障诊断过程如下:
S1、将信号输入到网侧故障诊断系统;
S2、根据直流母线电压和网侧PWM信号计算电压的输出控制向量,并根据网侧电压和网侧电流计算电压的输出反馈向量(参见式(1));
S3、电压的输出控制向量和输出反馈向量相减,生成特征偏差向量(参见式(1));
S4、对特征偏差向量进行分析,实现故障定位,比如确定内部故障还是外部故障;
S5、进一步分析确定故障原因,比如内部故障类型还是外部故障类型。
图6为本发明实施例提供的与机侧子系统故障关联的信号示意图。
下面结合图6说明机侧子系统101的控制原理:
转子位置传感器406、机侧电流传感器407和直流母线电压传感器401采集主回路信号并传送到机侧控制器409,机侧控制器409对信号进行处理后,生成PWM信号并发送至机侧驱动器408,由机侧驱动器408驱动IGBT工作,IGBT的动作又会引起主回路中的信号发生变化,变化的信号又会引起控制器调整PWM,如此往复。
正常运行时,直流信号平稳,交流信号相对稳定,运行过程中机侧控制器409会实时记录信号或者动作,并将这些数据输入至机侧子系统101的特征偏差向量Rg计算模型中。
在一示例中,机侧子系统的特征偏差向量Rg的表达式为:
Es=ωe×ψf (6)
ωe==d(Theta)/dt (7)
其中,Es是发电机的反电势,ωe是转子电角速度,ψf是转子磁链,Theta是转子位置角,对于确定的发电机,ψf是已知的常量,ωe可通过电机转子位置传感器406测得角度信息Theta,再对Theta求导得到,isd为机侧电流的d轴分量,isq为机侧电流的q轴分量,usd是机侧电压的d轴分量,usq是机侧电压的q轴分量,Rs是机侧线路电阻,ωe是电角速度,Lsd是机侧电感的d轴分量,Lsq是机侧电感的q轴分量。
在式(5)中,发电机的反电势Es、机侧电流的d轴分量isd以及q轴分量isq形成机侧子系统101的输出控制向量,机侧电压的d轴分量usd和q轴分量usq形成机侧子系统101的输出反馈向量,
根据式(5),当机侧子系统101正常运行时,输出反馈向量和输出控制向量应该相等,即特征偏差向量Rg的各元素的值均为0;当机侧子系统101发生内部故障时,输出反馈向量和输出控制向量不再相等,特征偏差向量Rg的各元素的值将不全为0。
下面结合式(5)说明机侧子系统101的故障定位方法:
若r4=0,r5=0,则确定机侧子系统101发生外部故障;
若r4、r5中至少一个不为0,则确定机侧子系统101发生内部故障。
其中,机侧子系统的内部故障包括以下故障中的至少一个:机侧子系统与发电机之间的线路发生故障(比如短路或者短路),机侧电流传感器回路发生故障和机侧驱动回路故障。
进一步地,若机侧子系统101发生外部故障,可通过分析信号特征诊断外部故障类型,具体诊断方法如下:
a2、若机侧电压的当前值超出极限阈值,则确定机侧电压发生值超限故障。比如,设极限阈值为650V,若当前值超出650V说明网侧电压发生值超限故障。
b2、若机侧电压的滤除基波以后的谐波幅值超出极限谐波幅值,则确定机侧电压发生谐波超限故障。
由于机侧电压正常时,对机侧电压做FFT(Fast Fourier Transformation,快速傅立叶变换)分析后只有基波成分,而若机侧电压包含谐波,FFT分析结果中会出现除基波以外的谐波成分,谐波的幅值会不为零,因此,当谐波幅值超出极限谐波幅值时,即能够确定机侧电压发生谐波超限故障。
c2、若机侧电压的当前时刻和上一时刻之间的相位差超出预设相位差范围,则确定机侧电压发生相位突变故障。
由于机侧电压正常时锁相环得到的相位信息是均匀递增的,即当前时刻和上一时刻的相位差为已知常数,而一旦出现突变问题,相位将出现跳变,相位差将不等于该常数,因此,将相位差与常数进行比较即能够确定机侧电压是否发生相位突变故障。
d2、若机侧电压的当前频率超出预设频率范围,则确定机侧电压发生频率超限故障。
由于机侧电压正常时,机侧电压频率在已知的一定频率范围内,通过锁相环可计算得到频率值,当频率值超出该频率范围时,即能够确定机侧电压发生频率超限故障。
e2、若网侧功率和机侧功率的差值的绝对值大于预设阈值,即网侧功率和机侧功率不匹配,则确定直流母线电压发生故障。
f2、若机侧电压和直流母线电压均正常,通过排除法,能够确定网侧PWM信号发生故障。
图7为本发明实施例提供的基于机侧子系统的故障诊断的逻辑框图。如图7所示,机侧子系统101的故障诊断过程如下:
S1、将信号输入到机侧故障诊断系统;
S2、根据直流母线电压和机侧PWM信号计算电压的输出控制向量;根据转子位置角计算转子角速度,根据转子磁链和转速角速度计算发电机的反电势,根据犯点事和机侧电流,计算电压的输出反馈向量(参见式(5)-式(7));
S3、电压的输出控制向量和输出反馈向量相减,生成特征偏差向量(参见式(5));
S4、对特征偏差向量进行分析,实现故障定位,比如确定内部故障还是外部故障;
S5、进一步分析确定故障原因,比如内部故障类型还是外部故障类型。
同理,直流母线子系统102的特征偏差向量Rd的表达式为:
其中,sga、sgb、sgc为机侧PWM信号,iga、igb、igc为机侧三相电流,sa、sb、sc为网侧三相PWM信号,ia、ib、ic为网侧三相电流,udc为直流母线电压,C为直流母线电容。
在式(8)中,机侧三相PWM信号(sga、sgb、sgc)和机侧三相电流(iga、igb、igc)形成直流母线子系统102的输出控制向量,网侧三相PWM信号(sa、sb、sc)、网侧三相电流(ia、ib、ic)、直流母线电压(udc)形成直流母线子系统102的输出反馈向量。
根据式(8),当直流母线子系统102正常运行时,输出反馈向量和输出控制向量应该相等,即特征偏差向量Rd中各元素的值均为0;当直流母线子系统102发生内部故障时,输出反馈向量和输出控制向量不再相等,特征偏差向量Rd的各元素的值将不全为0。
下面结合式(8)说明直流母线子系统102的故障定位方法:
若Rd=0,则确定直流母线子系统102发生外部故障。直流母线子系统102的外部故障可能为以下故障中的至少一个:直流母线电压故障、机侧电流故障和网侧电流故障。
若Rd≠0,则确定直流母线子系统发生内部故障,直流母线子系统102的内部故障可能为以下故障中的至少一个:直流母线电容损坏故障和PWM调制出错故障。
图8为本发明实施例提供的变流器故障检测装置的结构示意图,图2中的解释说明可以应用于本实施例。如图8所示,该变流器故障检测装置包括:目标参量向量获得模块801(其具有与步骤201对应的功能)、特征偏差向量计算模块802(其具有与步骤202对应的功能)和故障定位模块803(其具有与步骤203对应的功能)。
其中,目标参量向量获得模块801用于获得目标参量在变流器待测子系统中的输出控制向量和输出反馈向量。输出控制向量和输出反馈向量均由与待测子系统关联的风机运行数据确定。
特征偏差向量计算模块802用于计算输出控制向量和输出反馈向量的差,得到特征偏差向量。
故障定位模块803用于根据特征偏差向量对待测子系统进行故障定位。
如上所述,为了实现对变流器的故障定位,本发明实施例不需要依赖用户的能力和经验,而是可以利用目标参量向量获得模块801处理与待测子系统关联的风机运行数据,得到目标参量在故障子系统中的输出控制向量和输出反馈向量,并利用特征偏差向量计算模块802得到的特征偏差向量表征和量化因子系统故障而引起的信号波动,从而使得故障定位模块803自动定位出子系统故障的类型,提高变流器故障的分析效率。
需要说明的是,本发明实施例中的变流器故障检测装置可以设置在风力发电机组的主控制器或者变流器控制器中,从而不需要变更任何硬件,也可以是具有独立运算功能的逻辑器件,此处不进行限定。
本发明实施例还提供一种计算机设备,其上存储有程序,程序被处理器执行时实现如上所述的变流器故障检测方法。
需要明确的是,本说明书中的各个实施例均采用递进的方式描述,各个实施例之间相同或相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。对于装置实施例而言,相关之处可以参见方法实施例的说明部分。本发明实施例并不局限于上文所描述并在图中示出的特定步骤和结构。本领域的技术人员可以在领会本发明实施例的精神之后,作出各种改变、修改和添加,或者改变步骤之间的顺序。并且,为了简明起见,这里省略对已知方法技术的详细描述。
以上的结构框图中所示的功能块可以实现为硬件、软件、固件或者它们的组合。当以硬件方式实现时,其可以例如是电子电路、专用集成电路(ASIC)、适当的固件、插件、功能卡等等。当以软件方式实现时,本发明实施例的元素是被用于执行所需任务的程序或者代码段。程序或者代码段可以存储在机器可读介质中,或者通过载波中携带的数据信号在传输介质或者通信链路上传送。“机器可读介质”可以包括能够存储或传输信息的任何介质。机器可读介质的例子包括电子电路、半导体存储器设备、ROM、闪存、可擦除ROM(EROM)、软盘、CD-ROM、光盘、硬盘、光纤介质、射频(RF)链路,等等。代码段可以经由诸如因特网、内联网等的计算机网络被下载。
本发明实施例可以以其他的具体形式实现,而不脱离其精神和本质特征。例如,特定实施例中所描述的算法可以被修改,而系统体系结构并不脱离本发明实施例的基本精神。因此,当前的实施例在所有方面都被看作是示例性的而非限定性的,本发明实施例的范围由所附权利要求而非上述描述定义,并且,落入权利要求的含义和等同物的范围内的全部改变从而都被包括在本发明实施例的范围之中。
Claims (2)
1.一种变流器故障检测方法,其特征在于,包括:
获得目标参量在变流器待测子系统中的输出控制向量和输出反馈向量;
计算所述输出控制向量和所述输出反馈向量的差,得到特征偏差向量;
根据所述特征偏差向量对所述待测子系统进行故障定位;
其中,所述输出控制向量和所述输出反馈向量均由与所述待测子系统关联的风机运行数据确定;
所述根据所述特征偏差向量对所述待测子系统进行故障定位的步骤,包括:
若所述特征偏差向量中至少一个元素的值不等于0,则确定所述待测子系统发生内部故障;
若所述特征偏差向量中所有元素的值均为0,则确定所述待测子系统发生外部故障;
所述待测子系统为网侧子系统或者机侧子系统;
在所述确定所述待测子系统发生外部故障之后,所述方法还包括:
确定所述外部故障的类型;
若网侧电压或者机侧电压的当前值超出极限阈值,则确定网侧电压或者机侧电压发生值超限故障;
若网侧电压或者机侧电压的滤除基波以后的谐波幅值超出极限谐波幅值,则确定网侧电压或者机侧电压发生谐波超限故障;
若网侧电压或者机侧电压的当前时刻和上一时刻之间的相位差超出预设相位差范围,则确定网侧电压或者机侧电压发生相位突变故障;
若网侧电压或者机侧电压的当前频率超出预设频率范围,则确定网侧电压或者机侧电压发生频率超限故障;
若网侧功率和机侧功率的差值的绝对值大于预设阈值,则确定直流母线电压发生故障;
若网侧电压和直流母线电压均正常,则确定网侧PWM信号发生故障;
若机侧电压和直流母线电压均正常,则确定机侧PWM信号发生故障。
2.一种计算机设备,其上存储有程序,其中,程序被处理器执行时实现如权利要求1所述的变流器故障检测方法。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910568484.2A CN112147504B (zh) | 2019-06-27 | 2019-06-27 | 变流器故障检测方法和装置、计算机设备 |
CN202311407318.7A CN117540245A (zh) | 2019-06-27 | 2019-06-27 | 变流器故障检测方法和计算机设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910568484.2A CN112147504B (zh) | 2019-06-27 | 2019-06-27 | 变流器故障检测方法和装置、计算机设备 |
Related Child Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311407318.7A Division CN117540245A (zh) | 2019-06-27 | 2019-06-27 | 变流器故障检测方法和计算机设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112147504A CN112147504A (zh) | 2020-12-29 |
CN112147504B true CN112147504B (zh) | 2024-02-23 |
Family
ID=73868953
Family Applications (2)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910568484.2A Active CN112147504B (zh) | 2019-06-27 | 2019-06-27 | 变流器故障检测方法和装置、计算机设备 |
CN202311407318.7A Pending CN117540245A (zh) | 2019-06-27 | 2019-06-27 | 变流器故障检测方法和计算机设备 |
Family Applications After (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311407318.7A Pending CN117540245A (zh) | 2019-06-27 | 2019-06-27 | 变流器故障检测方法和计算机设备 |
Country Status (1)
Country | Link |
---|---|
CN (2) | CN112147504B (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2011047784A1 (de) * | 2009-10-19 | 2011-04-28 | Sew-Eurodrive Gmbh & Co. Kg | Aus einem elektrischen wechselstromnetz versorgbares elektrogerät und verfahren zur fehlererkennung |
CN102053211A (zh) * | 2010-12-08 | 2011-05-11 | 沈阳工业大学 | 风力发电系统变流器装置故障诊断方法 |
CN103378603A (zh) * | 2012-04-24 | 2013-10-30 | 通用电气公司 | 开路故障检测装置,变流器控制器,能量转换系统和方法 |
CN107728063A (zh) * | 2017-11-28 | 2018-02-23 | 南京理工大学 | 一种直驱式永磁风力发电机组变流器开路故障诊断方法 |
CN109669342A (zh) * | 2018-12-11 | 2019-04-23 | 新疆金风科技股份有限公司 | 变流器控制系统的收敛状态检测方法和装置、存储介质 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20130077367A1 (en) * | 2011-09-23 | 2013-03-28 | Huibin Zhu | Systems and methods for use in grid fault event control |
-
2019
- 2019-06-27 CN CN201910568484.2A patent/CN112147504B/zh active Active
- 2019-06-27 CN CN202311407318.7A patent/CN117540245A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2011047784A1 (de) * | 2009-10-19 | 2011-04-28 | Sew-Eurodrive Gmbh & Co. Kg | Aus einem elektrischen wechselstromnetz versorgbares elektrogerät und verfahren zur fehlererkennung |
CN102053211A (zh) * | 2010-12-08 | 2011-05-11 | 沈阳工业大学 | 风力发电系统变流器装置故障诊断方法 |
CN103378603A (zh) * | 2012-04-24 | 2013-10-30 | 通用电气公司 | 开路故障检测装置,变流器控制器,能量转换系统和方法 |
CN107728063A (zh) * | 2017-11-28 | 2018-02-23 | 南京理工大学 | 一种直驱式永磁风力发电机组变流器开路故障诊断方法 |
CN109669342A (zh) * | 2018-12-11 | 2019-04-23 | 新疆金风科技股份有限公司 | 变流器控制系统的收敛状态检测方法和装置、存储介质 |
Non-Patent Citations (6)
Title |
---|
一种大功率变流器分布式控制单元的研制;苗亚等;《电力电子技术》;20160120;第50卷(第01期);第84-86页 * |
基于双线性观测器的双馈风电机组变流器功率管开路故障诊断;赵洪山等;《电力自动化设备》;20170331;第37卷(第03期);第72-79页 * |
基于线电压误差的永磁直驱风电系统变流器开路故障诊断;杭俊等;《中国电机工程学报》;20170520;第37卷(第10期);第2933-2943页 * |
永磁直驱风电系统变流器开路故障诊断方法;王美等;《控制工程》;20180120;第25卷(第01期);第50-56页 * |
直驱式风力发电机无位置传感器矢量控制;贺艳晖等;《电机与控制学报》;20100315;第14卷(第03期);第31-38+44页 * |
直驱风电系统新型变流控制策略;邓秋玲等;《电工技术学报》;20120726;第27卷(第07期);第227-234页 * |
Also Published As
Publication number | Publication date |
---|---|
CN117540245A (zh) | 2024-02-09 |
CN112147504A (zh) | 2020-12-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Estima et al. | A new algorithm for real-time multiple open-circuit fault diagnosis in voltage-fed PWM motor drives by the reference current errors | |
Jlassi et al. | A single method for multiple IGBT, current, and speed sensor faults diagnosis in regenerative PMSM drives | |
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 | |
Berriri et al. | Easy and fast sensor fault detection and isolation algorithm for electrical drives | |
Norniella et al. | Improving the dynamics of virtual-flux-based control of three-phase active rectifiers | |
Hajary et al. | Detection and localization of open-phase fault in three-phase induction motor drives using second order rotational park transformation | |
JP6936759B2 (ja) | 診断装置、駆動システム、診断方法及びプログラム | |
Meinguet et al. | Fault detection, isolation and control reconfiguration of three-phase PMSM drives | |
Youssef et al. | Open-circuit fault diagnosis and voltage sensor fault tolerant control of a single phase pulsed width modulated rectifier | |
CN112394312B (zh) | 三相电机驱动系统电流传感器故障诊断方法 | |
Baruti et al. | Online stator inter-turn short circuit estimation and fault management in permanent magnet motors | |
CN103326652A (zh) | 交流异步电机控制系统及方法 | |
Li et al. | PMSM current sensor FDI based on DC link current estimation | |
Touaiti et al. | Fault-tolerant VSI for stand-alone DFIG feeding an isolated DC load | |
Sarma et al. | Stator electrical fault detection in dfigs using wide-band analysis of the embedded signals from the controllers | |
Khov et al. | Detection of turn short-circuit faults in stator of PMSM by on-line parameter estimation | |
Estima et al. | Single power switch open-circuit fault diagnosis in voltage-fed PWM motor drives by the reference current errors | |
Yahiaoui et al. | Augmented State Observer-based Diagnostics of Open-Circuit and Sensor Faults in DFIG Wind Turbines | |
CN112147504B (zh) | 变流器故障检测方法和装置、计算机设备 | |
Gritli et al. | Closed-loop bandwidth impact on MVSA for rotor broken bar diagnosis in IRFOC double squirrel cage induction motor drives | |
Yang et al. | Condition monitoring and fault diagnosis of generators in power networks | |
Gaeid et al. | Multilevel inverter fault-tolerant control with wavelet index in induction motor | |
CN112924769B (zh) | 变流器故障检测方法和装置、计算机设备 | |
Hashemi et al. | Super-Twisting Algorithm-based Sliding Mode Observer for Open-Circuit Fault Diagnosis in PWM Voltage Source Inverter in an In-Wheel Motor Drive System | |
CN108107315B (zh) | 一种凸极永磁同步电机定子绕组匝间短路抗干扰故障诊断方法及系统 |
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 |