一种双馈风力发电机在线监测及故障综合诊断方法技术

本发明专利技术公开了一种双馈风力发电机在线监测及故障综合诊断方法，首先采集双馈风力发电机所需监测位置处的振动信号、定转子电流和磁通量信号，通过单片机对数据进行预处理，去噪后存储；接着通过ZigBee模块将数据传输到上位机，基于算法程序提取信号的特征向量；最后与系统存储的双馈风力发电机正常信号进行对比，分析判断双馈风力发电机的监测位置处是否发生故障。本发明专利技术综合利用振动信号、定转子电流和磁通量信号对双馈风力发电机运行状态和故障类别进行诊断并实现报警，结合振动信号和磁通量信号综合判断的结果，实现对双馈风力发电机故障模式较为准确地诊断。

An on-line monitoring and fault diagnosis method for doubly fed induction generator

The invention discloses a method of on-line monitoring and fault diagnosis for doubly fed wind generator. Firstly, the vibration signal, stator rotor current and magnetic flux signal are collected at the monitoring position of the doubly fed wind generator. The data is preprocessed by the single chip microcomputer and stored after de-noising; then the data is transmitted to the ZigBee module. The upper computer, based on the algorithm program, extracts the characteristic vector of the signal, and finally compares it with the normal signal of the doubly fed wind generator stored in the system, and analyzes and judges the fault of the monitoring position of the doubly fed wind generator. The invention comprehensively uses vibration signal, stator rotor current and magnetic flux signal to diagnose the operation state and fault category of doubly fed wind generator and realize the alarm. Combined with the result of comprehensive judgement of vibration signal and magnetic flux signal, the fault mode of doubly fed wind generator is accurately diagnosed.

【技术实现步骤摘要】
一种双馈风力发电机在线监测及故障综合诊断方法
本专利技术涉及一种双馈风力发电机在线监测及故障综合诊断方法，属于风力发电机监测分技

技术介绍
截至目前，我国风电场中广泛使用的机型为双馈风力发电机。而对双馈风力发电机的检修工作主要是定期进行预防性试验，根据试验结果进而判断双馈风力发电机的运行状态，从而确定是否可以继续运行。但随着电力系统结构的复杂化和多样化，对电力系统安全可靠运行的要求指标也越来越高。传统简单的试验与诊断方法已经无法适应市场的需求，对双馈风力发电机运行状态实行在线监测显得尤为重要。而目前我国还没有很成熟的双馈风力发电机状态监测产品，结合各种文献和资料，目前对双馈风力发电机的在线监测和诊断技术仍未形成完善的体系，大多数都只是针对单一或几个参数的在线监测，并不利于故障的诊断，更不用提后期数据的保存和处理。针对上述问题，本专利技术提出了一种双馈风力发电机在线监测及故障综合诊断方法，实现了定转子电流-振动-磁通量多参数量的双馈风力发电机故障模式诊断。
技术实现思路
目的：为了克服现有技术中存在对双馈风力发电机的在线监测和诊断技术仍未形成完善的体系，大多数都只是针对单一或几个参数的在线监测，并不利于故障的诊断，更不用提后期数据的保存和处理的不足，本专利技术提供一种双馈风力发电机在线监测及故障综合诊断方法。技术方案：为解决上述技术问题，本专利技术采用的技术方案为：一种双馈风力发电机在线监测及故障综合诊断方法，包括以下步骤：步骤1：通过传感器进行信号采集，通过电流霍尔传感器采集定转子电流信号、通过加速度传感器采集振动信号、通过磁通计采集磁通量信号，再通过隔离放大模块放大信号，滤除波纹成分；步骤2：将步骤1中所得数据信号通过调理电路进行调理，在单片机内进行模数转换后存储；当单片机接收到传输指令后，通过无线传输模块将处理后的数据信息发送至上位机；步骤3：对传输到上位机的信号进行特征值的提取和故障的诊断；在虚拟仪器LabVIEW平台上，对定转子电流信号进行小波包分解与重构，实现定转子电流信号的辨识；对振动信号进行EMD经验模态分解，提取特征量；通过磁通计获得定转子匝间磁通量，将定转子匝间磁通量的数值变化作为故障特征向量，将上述特征向量与正常信号进行对比，若超过正常信号值的5%，则说明双馈风力发电机出现故障并触发报警系统。作为优选方案，所述步骤1包括：步骤1.1：通过电流霍尔传感器采集定转子电流信号，再通过隔离放大模块放大信号，并除去波纹成分；通过A/D模块将模拟信号转换成的数字信号；步骤1.2：采用压电式加速度传感器进行数据采集；为了减少低通频带外信号对测量结果的影响，添加一个10kHz的低通滤波电路滤除干扰信号；在A/D模块中，把模拟信号转换成数字信号；步骤1.3：用磁通计把一根导线的两端接在双馈风力发电机的定转子匝间形成闭合环路，当双馈风力发电机工作时即可在表上读出磁通量；在A/D模块中，把模拟信号转换成数字信号。作为优选方案，所述步骤2中无线传输模块采用ZigBee模块。作为优选方案，所述步骤3包括：步骤3.1：在虚拟仪器LabVIEW平台上，输入小波包分解与重构程序、经验模态分解能量总能量法程序和双馈风力发电机的正常情况下的电流信号、振动信号、磁通量信号；步骤3.2：对定转子电流进行3层db10的小波包分解，得到不同频段，对应不同的风力发电机故障，定转子电流的故障特征频段不同，锁定需要检测的故障并对表征该故障的特征频段信号进行重构，得到重构后的6层故障信号分频，运用相似原则将这6层分频信号与正常情况下同理得到的6层分频信号进行对比，若波形峰值偏差大于5%，则表明双馈风力发电机发生该种故障；步骤3.3：将振动信号进行6层经验模态分解，因为最后一层的前6个IMF分量能更详细地表现故障的发生频率波动，所以提取最后一层的前6个IMF分量作为特征分量，计算最后一层的前6个IMF分量的总能量并求其均方差作归一化处理，所得结果作为故障特征向量；步骤3.4：通过磁通计获得定转子匝间磁通量，将定转子匝间磁通量与正常情况下对比的数值变化量作为故障特征向量；步骤3.5：将双馈风力发电机定转子匝间磁通量的故障特征向量同振动信号的故障特征向量组成最终的特征向量集合，特征向量集合作为向量机分类器的数据训练输入；将双馈风力发电机正常运行情况下的定转子匝间磁通量特征向量和振动信号特征向量的特征向量集合，作为正常运行的基础数据集合，向量机分类器根据基础数据集合设定不同故障对应的向量集合的数据范围，将未知故障情况下的双馈风力发电机特征向量集合输入向量机分类器，由于双馈风力发电机的不同故障对应不同的定转子振动信号特征向量和定转子匝间磁通量故障特征向量，因此得到向量机分类器输出的向量集合，并与设定的故障参数对比，误差在±5%范围内，即可获得对应的故障类别；作为优选方案，所述步骤3还包括：步骤3.6：为了使诊断结果准确，同时结合步骤3.2中通过定转子电流的特征向量诊断双馈风力发电机发生的故障类别，与步骤3.5诊断结果进行对比是否为同一结果，若结果相同，则证明双馈风力发电机确实出现该种故障；若结果不同则重新进行数据收集，再次重复上述步骤1-3，直到得到相同的诊断结果，这样就可以综合判断双馈风力发电机的具体故障模式。作为优选方案，所述上位机系统包括数据采集模块、数据文本存储模块、数据处理分析模块、故障诊断模块、数据和曲线显示模块、历史数据模块和帮助模块。作为优选方案，所述数据采集模块，用于采集下位机发送的各个信号，包括定转子电流信号、振动信号、磁通量等所述数据处理与分析模块，用于对各个信号进行处理分析，选用小波包处理、经验模态分解方法，以计算速度为优先考虑原则选择这两种方法提取故障特征；所述数据文本存储模块，用于保存采集信号和处理结果；所述故障诊断模块，用于进行最终的综合判断故障类型；所述数据和曲线显示模块，用于通过数据和曲线显示观察定转子电流信号、振动信号、磁通量对应的数值和曲线图；所述历史数据模块，用于所要检索数据的存储、读取及打印；所述帮助模块，用于操作步骤的指导和说明。有益效果：本专利技术提供的一种双馈风力发电机在线监测及故障综合诊断方法，有益效果如下：1、采用ZigBee无线通信技术进行上下位机的数据传输，并结合分布式多微处理器技术，使得系统各功能部件物理分散，软硬件模块化程度和可靠性大大提高，有利于维护升级和检修；2、系统被测信号实现了现场数字化，有助于提高测量精度，避免传统模拟信号长距离传输的衰减和干扰等问题；3、此系统能实现双馈风力发电机的多参量综合诊断，解决了现有双馈风力发电机故障诊断参数的单一化问题，提高了故障诊断的精确性。附图说明图1是本专利技术涉及的单片机程序流程图；图2是本专利技术涉及的上位机程序流程图；图3是本专利技术涉及的上位机软件系统模块组成；图4是本专利技术涉及的基于上位机的双馈风力发电机在线监测及故障综合判断流程图。具体实施方式本专利技术主要针对当下双馈风力发电机故障诊断方法的诊断效率和准确率普遍较低的问题，综合利用定转子电流诊断法、振动信号诊断法、磁通量变化诊断法实现对双馈风力发电机故障初期的诊断及在线监测。下面结合附图对本专利技术作更进一步的说明。在由单片机作为下位机与上位机组成的风力发电机在线监测及故障综合诊断系统中，如图1所示本文档来自技高网...

【技术保护点】
1.一种双馈风力发电机在线监测及故障综合诊断方法，其特征在于：包括以下步骤：步骤1：通过传感器进行信号采集，通过电流霍尔传感器采集定转子电流信号、通过加速度传感器采集振动信号、通过磁通计采集磁通量信号，再通过隔离放大模块放大信号，滤除波纹成分；步骤2：将步骤1中所得数据信号通过调理电路进行调理，在单片机内进行模数转换后存储；当单片机接收到传输指令后，通过无线传输模块将处理后的数据信息发送至上位机；步骤3：对传输到上位机的信号进行特征值的提取和故障的诊断；在虚拟仪器LabVIEW平台上，对定转子电流信号进行小波包分解与重构，实现定转子电流信号的辨识；对振动信号进行EMD经验模态分解，提取特征量；通过磁通计获得定转子匝间磁通量，将定转子匝间磁通量的数值变化作为故障特征向量，将上述特征向量与正常信号进行对比，若超过正常信号值的5%，则说明双馈风力发电机出现故障并触发报警系统。

【技术特征摘要】
1.一种双馈风力发电机在线监测及故障综合诊断方法，其特征在于：包括以下步骤：步骤1：通过传感器进行信号采集，通过电流霍尔传感器采集定转子电流信号、通过加速度传感器采集振动信号、通过磁通计采集磁通量信号，再通过隔离放大模块放大信号，滤除波纹成分；步骤2：将步骤1中所得数据信号通过调理电路进行调理，在单片机内进行模数转换后存储；当单片机接收到传输指令后，通过无线传输模块将处理后的数据信息发送至上位机；步骤3：对传输到上位机的信号进行特征值的提取和故障的诊断；在虚拟仪器LabVIEW平台上，对定转子电流信号进行小波包分解与重构，实现定转子电流信号的辨识；对振动信号进行EMD经验模态分解，提取特征量；通过磁通计获得定转子匝间磁通量，将定转子匝间磁通量的数值变化作为故障特征向量，将上述特征向量与正常信号进行对比，若超过正常信号值的5%，则说明双馈风力发电机出现故障并触发报警系统。2.根据权利要求1所述的一种双馈风力发电机在线监测及故障综合诊断方法，其特征在于：所述步骤1包括：步骤1.1：通过电流霍尔传感器采集定转子电流信号，再通过隔离放大模块放大信号，并除去波纹成分；通过A/D模块将模拟信号转换成的数字信号；步骤1.2：采用压电式加速度传感器进行数据采集；为了减少低通频带外信号对测量结果的影响，添加一个10kHz的低通滤波电路滤除干扰信号；在A/D模块中，把模拟信号转换成数字信号；步骤1.3：用磁通计把一根导线的两端接在双馈风力发电机的定转子匝间形成闭合环路，当双馈风力发电机工作时即可在表上读出磁通量；在A/D模块中，把模拟信号转换成数字信号。3.根据权利要求1所述的一种双馈风力发电机在线监测及故障综合诊断方法，其特征在于：所述步骤2中无线传输模块采用ZigBee模块。4.根据权利要求1所述的一种双馈风力发电机在线监测及故障综合诊断方法，其特征在于：所述步骤3包括：步骤3.1：在虚拟仪器LabVIEW平台上，输入小波包分解与重构程序、经验模态分解能量总能量法程序和双馈风力发电机的正常情况下的电流信号、振动信号、磁通量信号；步骤3.2：对定转子电流进行3层db10的小波包分解，得到不同频段，对应不同的风力发电机故障，定转子电流的故障特征频段不同，锁定需要检测的故障并对表征该故障的特征频段信号进行重构，得到重构后的6层故障信号分频，运用相似原则将这6层分频信号与正常情况下同理得到的6层分频信号进行对比，若波形峰值偏差大于5%，则表明双馈风力发电机发生该种故障；步骤3.3：将振动信号进行6层经验模态分解，因为最后...

【专利技术属性】
技术研发人员：马宏忠，李思源，
申请(专利权)人：河海大学，
类型：发明
国别省市：江苏,32