风电变流器故障诊断

48 · 2011年第2期 设计研发 Research & Design 风电在全国迅猛发展，很多地区都建设了大型的并网式风电场，大量风力发电机装设上以 后，经过一段时间的运行，其故障后的维护与检修就成 为不可回避的问 题 快递公司问题件快递公司问题件货款处理关于圆的周长面积重点题型关于解方程组的题及答案关于南海问题 。现在并网型风力发电机中很多都装 设有电力电子变流装置，由于所处位置多位于风力发电 机与电网之间，这些装置一旦发生故障，如不及时处理， 轻则会引发波形畸变降低供电质量，重则将会影响整个 风电机组发电，甚至危及电网安全。电力电子设备故障 较轻时暂不影响整个风电系统运行，但如果任其恶化下 去很容易导致上述严重后果，如果能及时发现其故障类 型和故障位置，就可以把风电变流装置故障带来的损失 降到最小，因此对风电变流器的故障及时进行诊断是十 分必要的。 1 风机变流器结构与故障机理 目前各大风电场的主力机型大体有3类：鼠笼式风 力发电机、直驱式风力发电机和双馈感应式风力发电 机。其中除鼠笼式以外，其余两种形式的风力发电机并 网时都不可避免地要经过一个电力电子变流器，只不过 由于风力发电机结构不同，同样额定功率的机组中，流 过双馈式风机变流器的能量大约只占直驱式风力发电机 的1/3。 变流器所处现场往往环境恶劣，高温发热、油水脏 污、灰尘以及交变的电磁干扰等都无法估计，既影响变 流器性能也极易导致变流器故障。目前风力发电机中电 力电子开关大量使用了绝缘栅双极晶体管（IGBT），当其 两端电压过高或过电流导致温度过高，亦或其运行功率 超过了在正常工作温度下允许的最大耗散功率（最大集 电极功耗）等，都可能导致开关管超过耐受极限而击穿 或烧毁，有时甚至是永久性损坏。导致变流器中开关管 过电压和过电流的原因是多方面的，常见的有变流器本 身的质量问题、元件接触不良以及型号参数不匹配等，此 外，风力发电机在运行过程中遭遇电网故障，功率无法 馈送入电网，导致功率直流侧和输出侧电压升高，发电 机在运行过程中由于负载突变产生过高的冲击电流，发 电机及传输电缆绝缘老化导致匝间或相间短路形成短路 电流等，如最终超过元件的耐受限度，都会导致变流器 元件故障。 风电变流器故障诊断 ■ 王占霞/北京同方电子科技有限公司珠海分公司 张晓波/西安交通大学电气工程学院 把传统的电力电子设备故障诊断技术与新疆风力机变流器的故障诊断相结合，为风电大面积推广 应用具有积极作用。 2011年第2期 · 49 设计研发Research & Design 2 用BP神经网对变流器故障波形 进行诊断 在之前的研究中，已经可以得到风力发电机变流器 的各种不同故障类型，不同故障位置的各种波形，经处 理后，可用于对神经网进行训练，以获得可以智能诊断 实际运行中风机变流器故障的神经网络。这里首先用其 对BP神经网进行训练，图1为所使用程序的 流程 快递问题件怎么处理流程河南自建厂房流程下载关于规范招聘需求审批流程制作流程表下载邮件下载流程设计 图。 图2是上述程序的训练结果，由图中第一栏可以看 出：该网络除了输入层以外共有两层，一层为隐层，一 层为输出层。第二栏算法栏说明训练函数采用的是 trainlm其算法为Levenberg－Marquardt。其性能函数采 用的是mse即均方误差性能函数（Mean Squared Error）。 第三栏显示的是各种参数，该栏在训练过程中是不断变 化的，直到最后稳定在一个值，则训练结束。其中Epoch 表 关于同志近三年现实表现材料材料类招标技术评分表图表与交易pdf视力表打印pdf用图表说话 pdf 示训练步数，定义是最大可训练一千步，本轮4次即 收敛了。Time表示训练时间，本轮为10 s，很快。Per- formance表示性能，训练目标是小于0.01，这里显示为 0.004 32，满足训练目标 要求 对教师党员的评价套管和固井爆破片与爆破装置仓库管理基本要求三甲医院都需要复审吗 。Gradient表示梯度，这里 为0.030 6。 现在用3种故障状态对应的每个数据加上一个（0～ 0.05）之间的小随机数的方法，生成3种对应的测试数据。 来测试网络结果，如果训练出的是理想的网络，所得的 结果预期应该为Yt＝[0 0 0；0 1 1；1 1 0]′。上述训练后 实际测试的结果为： Y＝ 0.023 20.070 30.948 6 0.003 80.918 30.982 0 0.007 50.923 60.013 2 用ydet＝Yt－Y求训练结果与目标的偏差可得 ydet＝ －0.023 2－0.070 3 0.051 4 －0.003 8 0.081 7 0.018 0 －0.007 5 0.076 4－0.013 2 可以看出各数据与目标的偏差的绝对值都＜0.1，可 以认为训练结果是满足要求的，该网络实现了故障模式 的智能诊断，能够满足本研究设计的预期目标。 3 网络结构对比分析 上述BP神经网络采用了简单的单隐层结构，理论 上，这样的结构已经可以解决所研究的故障诊断问题。然 图2 神经网络训练结果 图1 BP网训练流程图 开始 输入故障波形向量P 输入故障类型及位置目标向量T 输入向量P的最大值和最小值 建立神经网同时定义结构、 训练函数等参数 定义训练次数、训练目标、学习速率 训练神经网 满足训练目标等参数了吗？ 最大训练次数到了吗？ 输出：达到最大训练次数 程序结束 Y Y N N 输出：满足训 练目标并输出 训练曲线等参 数和图像 50 · 2011年第2期 设计研发 Research & Design 而，神经网每次训练的结果都有可能是不同的，并非次 次都能训练出上述实例中的理想结果。由反复试验可知， 对于本次研究的数据对象，单隐层的结构在大多数情况 下耗费的训练步骤很多（曾经达到300多次，耗时4～5 h 也未训练完毕），而且其训练结果往往是不收敛的。这样 的情况下，可以尝试增加神经网隐层的层数来达到更好 的训练效果。 这里尝试建立一个两隐层BP网络，为对比效果，网 络其余参数都不变，只在原51个神经元的隐层之后再增 加一个20个神经元的隐层。其训练结果如图3所示。图 中第一栏网络结构显示除输入层外还有两个隐层及一个 输出层，第三栏中参数说明该网络训练10次后收敛，其 性能为0.003 57，比单隐层时的0.004 32更小。两隐层 BP网的训练误差曲线较单隐层BP网的训练误差曲线更 为平滑。 然而，层数增加对网络训练并不总是有利的，至少， 由于网络的规模扩大，同一步所耗费的时间更长了。图4 所示的是其他参数不变，将隐层增加到6层（神经元数分 别为51，20，20，20，20，20，3）的情况。由第三栏的 参数可以看出：神经网用了9步达到误差要求，然而9步 图4 6隐层BP网训练结果 图3 两隐层BP网训练结果 的运行时间3 min 29 s却大于两隐层时11步的1 min 33 s， 可见每步训练时间明显延长，而6隐层BP网的误差 0.008 11却还大于2隐层BP网的误差0.003 57，即6隐 层BP网训练效果反而不如层数和神经元总数都小于其的 2隐层BP网。6隐层BP网的训练误差曲线较2隐层BP网 的训练误差曲线更为平滑。 4 结束语 综合前述可知，用BP神经网络在已获得已知故障类 型和故障位置的若干种故障库进行训练的前提下可以很 好地满足风力发电机变流器故障智能诊断的要求，而且 隐层越多的BP网的诊断效果越好，但隐层增多也导致了 程序执行效率下降，运行时间太长的缺陷，经验表明，2～ 4层的BP神经网诊断效果较好。 然而，如果故障类型库不完整，需要增加新的故障 类型数据或者位置数据时，就有可能要对原有的整个库 阵列进行修改增加故障类型编码长度，重新进行训练，效 率仍然低下，这有待后续研究进行改善。EM (收稿日期：2010-10-28)