直驱式风力发电机变频器故障诊断分析

罗国辉

摘 要：在我国的可再生能源中，风力发电机在其中扮演着非常重要的角色，在风能设施水平不断提升的基础上，风力发电机成为了未来新能源的主要发展方向。结合实际情况可以了解到，风力发电机主要是由双馈式风机发电机、直驱式风机发电机以及鼠笼式风机发电机几个部分组合而成，其中，双馈式发电机与直驱式风机发电机都是在对变频器利用的基础上才实现了与电网的有效连接。但是，变频器在使用过程中经常会面临各种故障问题的发生，如果不能对这些故障进行及时的诊断，将会导致故障的进一步扩大。本文主要针对直驱式风机发电机变频器故障诊断进行了深入的分析，希望能为相关人员提供合理的参考依据。

关键词：直驱式风机发电机；变频器；故障诊断

中图分类号：TM315 文献标识码：A 文章编号：1671-2064（2018）11-0215-01

直驱式风机发电机在实际的运行过程中，可以实现自然风与电能之间的有效转变，通过全功率因数变频器进行处理之后，可以满足用户对电能的使用需求。全额变频器在一定程度上将直接影响到出口的电能质量以及风力发电系统的运行效率。全额变频器主要是由两组电力电子变换器组合而成，在这一过程中直流环节起到了非常重要的连接作用。在对二次测控制电路控制信号利用的基础上，可以完成对一次电能的变频以及调压等工作，从而可以为电能质量提供良好的保障。

1 数学模型的构建

发电机侧变换器在对发电机产生的有功功率进行接收的过程中，其有功功率为PG，然后在对DC环节落实的基础上，将PG送到网侧变换器，在这时网侧变换器的功率为PG=Pg，如果不对变压器当中存在的耗损进行计算，其中PG=usdisd+usqisq=UdcIs，Pg=UdeIg=Ugdigq+Ugqigq。

在公式当中，usd、usq、isd、isq分别指的是d、q坐标系当中发电机定子电压以及电流的轴分量；另外，Ude指的是直流环节母线的电压值；Is指的是发电机侧变换器度直流母线进行输出的过程中所产生的电流值；Ude、Ugq、igq、igq分别指的是网侧电压、电流d、q轴分量等；最后Ig指的是网侧变换器对直流电母输入过程中所产生的电流。

当电网d轴电压处于正常的范围之内时，有以上提出的两个公式可以得出，当点击侧变换器与发电机定子实现有效的连接时，如果对变换器产生的高次谐波其数学模型，可以将电机定子电压方程实现进一步的优化。

结合相关的公式分析可以了解到，当变换器的开关函数S处于变化状态下时，变频器也就会出现故障，在这个时候变换器输入电网功率以及出口电压都会发生相应的变化，如果站在直观的角度上进行分析，会因此出现不同程度的变形现象，这也是对变换器故障进行判定的一项重要参考依据。

2 SVC变频器故障的定义以及仿真

2.1 变频器的故障定义

结合实际情况可以了解到，导致变频器故障现象产生的影响因素比较多，其中主要包括了高温发热、油水脏污、灰尘、变电站的电磁干扰、电气量的变化以及控制电路的操作不当等，其中非常普遍的故障现象为功率开关短路以及开关故障等。如今，相关人员已经进一步加大了对短路故障现象的研究力度，并且已经具备相应的保护模块，在实际的操作过程中得到了非常广泛的应用。针对于短路故障而言，开路故障的研究比较少，如果是站在故障元件数量与位置的不同角度上进行分析，可以将开路故障划分为四种主要的类型，同时包括了42种子类。

2.2 变频故障的仿真

本文主要基于PSIM环境基础上，然后对直驱式风力发电机仿真模型进行了有效的构建。在模型当中直驱式风力机的额定风速为11m/s，滤波电感为0.3mH，对地电容为45uF，PWM脉冲信号频率为4kHz。针对不用的故障单元组合进行了合理的设置，最终形成了相应的故障波形。

针对不同元件故障下的仿真模型呈现出的仿真波形可以了解到，当故障组合的类型不同时，相应的故障波与之前相比会出现不同程度的畸变现象，要想实现对故障位置以及故障类型的准确判定，需要对其中的分类条件进行有效的设置。

3 智能故障诊断系统设计

本文在进行核算的过程中主要是在BP神经网络基础上来进行的，在对遗传算法利用的基础上，可以实现对BP网络初始权值以及阀值的优化工作，经过处理之后的BP神经网络可以实现对故障类型更加精准的预测。

对BP网络初始参数进行编码，然后在经过选择、交叉以及变异处理等工作之后，对于每个个体所使用的函数值进行准确的计算，对于个体适应度值最小的个体进行保留，从而做为神经网络的最佳权值。在对神经网络输入层节点数进行确定的过程中，通常取值为100，将输出层节点数取值为6，隐含层节点数取值为10，从而遗传法个体编码长度为1076。

4 仿真结果分析

通过遗传算法对BP网络权值以及阀值进行优化，当优化10代之后停止操作，其中最佳的个体适应度值在计算过程中流程如下图1所示。当净化工作停止之后，遗传算法所获取到的个体就是最佳的BP网络参数，在这个时候就可以将最佳的权值以及阀值融入到BP网絡当中，然后对样本当中的数据通过随机的方式进行抽取，将最终抽到的数据作为测试数据来开展相应的测试工作，在对GA利用的基础上，对BP预测中存在的误差现象实现合理的控制。

经过GA优化处理之后的BP网络与通常的BP网络相比具有非常明显的差异，主要表现在对故障类型进行预测的过程中具有一定的精准性，在操作过程中可以实现对误差现象的合理控制。

5 结语

本文主要在对理论与实践相结合的基础上，然后针对直驱式风力发电机变频器经常出现的故障类型进行了深入的分析。在文章所提到的通过GA完成对BP网络的优化工作，在对故障进行诊断的过程中可以实现较高的精度，同时也能对智能高精度故障诊断的研究工作提供非常重要的参考依据。但是，因为GA的应用，可能会对系统的运行速度带来一定的影响，在未来还需要进一步加强相应的研究工作，从而对结论进行不断的丰富。

参考文献

[1]李燕，梁英.永磁直驱风电系统电压源型变流技术[J].电力系统及其自动化学报，2010，22（1）：65-70.

[2]尹明，李庚银，张建成等.直驱式永磁同步风力发电机组建模及其控制策略[J].电网技术，2007，31（15）：61-65.