一种基于D-S信息融合算法的双馈风机定子匝间短路故障的诊断方法技术

本发明专利技术公开了一种基于D‑S信息融合算法的双馈风机定子匝间短路故障的诊断方法，属于电力系统双馈风机故障检测的技术领域。该诊断方法在分析定子匝间短路故障的特征机理，建立了基于MATLAB/Simulink的双馈风机定子匝间短路故障模型，确定转子侧电流和转子瞬时功率谱的故障特征频率并利用Prony算法完成对两个故障特征频率的幅值估计，进一步进行D‑S信息融合判定故障，有效提高了故障模式的识别能力，对大型风电场的故障研究具有一定参考价值。

【技术实现步骤摘要】
一种基于D-S信息融合算法的双馈风机定子匝间短路故障的诊断方法
本专利技术涉及电力系统双馈风机故障检测的
，特别涉及一种基于D-S信息融合算法的双馈风机定子匝间短路故障的诊断方法。
技术介绍
目前，世界各国普遍重视风力发电并竞相大力发展，技术上不断进步日益成熟。随着风力发电机组的装机容量不断增加，风力发电总容量在整个电力系统中所占的比例逐年增加，对我国节能减排、治理污染、改善能源供应结构有着积极的意义，然而这也对风力发电机组运行的可靠性和稳定性提出了更高的要求。绕组匝间短路故障在风力发电机组的故障类型中占的比例比较大，而且危害很严重，因此分析风力发电机定子匝间短路故障机理并提出相应的检测方法对风力发电机组的安全可靠运行有着十分重要的意义。双馈式风力发电机组由于其成本相对较低、技术也较为成熟，在目前风力发电系统中应用十分广泛，它的典型故障部件包括定子绕组、转子绕组、变流器、发电机轴承以及控制系统的关键传感器等。故障调查显示，电机各种主要典型故障类型所占比重如下：齿轮故障(40％)，定子故障(38％)，转子故障(10％)，其他(12％)。当风力发电机发生内部绕组匝间短路故障时发电机转速、定子电压、有功功率等产生振荡。因此，研究双馈式风力发电机定子绕组匝间短路初期故障对提高风电机组的可靠性运行和降低风电场的维护费用具有重要的意义。针对风机关键部件的故障检测和维修一直受到人们的重视，然而随着风电机组由陆地大量地向海上发展而且单机容量越来越大，风机维修成本极大提高，同时故障停机对电网的稳定性造成极大损害。此时传统的故障检测和维修方式已很难满足要求。此外，风力机组安装于杆塔之上，一般杆塔有几十米的高度，这使得定期检修和维护的难度大，费用高。所以很有必要对双馈感应发电机绕组内部发生早期故障时的故障特征进行研究分析，如果能在初期加以关注，尽可能早的发现故障现象，准确判断故障原因和部位，就可以及时跟踪分析故障的发展趋势，合理安排维修和更换计划，避免临时的检修行为和发展为严重故障后的巨大损失。这对保障风电系统的安全运行具有重大的经济效益。
技术实现思路
本专利技术针对现有故障检测技术的缺陷和不足，提供一种基于D-S信息融合算法的双馈风机定子匝间短路故障的诊断方法，与常规的靠单一故障特征量诊断比较，有效提高了故障模式的识别能力，提高故障诊断的准确率和可靠性。本专利技术提出的技术方案的实现：所述的一种基于D-S信息融合算法的双馈风机定子匝间短路故障的诊断方法，通过对正常情况及发生定子匝间故障后的双馈风机进行分析，提取两个故障特征量；确定故障特征量的频率，幅值；运用MATLAB编程对两个故障特征量进行D-S信息融合，根据判定原则修正故障融合参数，形成故障判定体系。所述的一种基于D-S信息融合算法的双馈风机定子匝间短路故障的诊断方法，其定子匝间短路故障位置设定在定子A相。所述的一种基于D-S信息融合算法的双馈风机定子匝间短路故障的诊断方法，其中一个故障特征量为转子电流，其故障特征频率为(2-s)f1，s代表转差率，f1代表定子侧基频。所述的一种基于D-S信息融合算法的双馈风机定子匝间短路故障的诊断方法，其中一个故障特征量为转子a相瞬时功率谱，其正常情况时表达式为：发生故障后，其表达式为：式中：ω1表示转子侧基波电压的角频率；ω表示定子侧基波电压角频率；Ima表示基波相电流的幅值；Uma表示基波相电压幅值；表示基波电流落后于电压的相位角。选取转子瞬时功率谱的2f频率处作为故障特征频率。所述的一种基于D-S信息融合算法的双馈风机定子匝间短路故障的诊断方法，采用Prony算法估算转子电流和转子瞬时功率谱的故障特征频率幅值。所述的一种基于D-S信息融合算法的双馈风机定子匝间短路故障的诊断方法，D-S信息融合的故障判定原则为：式中：m(A1)表示事件A1的基本分配函数；A1表示判决结果，ε1，ε2表示阈值。与现有技术相比，本专利技术具有以下有益效果：本专利技术提出的一种基于D-S信息融合算法的双馈风机定子匝间短路故障的诊断方法，在双馈风机发生定子匝间短路故障时能通过该方法实现对故障特征频率的检测与诊断；提取两种故障特征量进行故障信息融合判断，与常规的靠单一故障特征量诊断比较，有效提高了故障模式的识别能力，减少故障的错判、漏判，使定子匝间短路故障诊断的不确定性大幅度降低，提高故障诊断的准确率和可靠性。附图说明图1为双馈风机定子匝间短路故障示意图；图2为双馈风机定子匝间短路故障模型示意图；图3为双馈风机网侧变流器控制模式示意图；图4为双馈风机转子侧变流器控制模式示意图；图5为D-S证据理论信息融合示意图；图6为双馈风机基于D-S信息融合算法的双馈风机定子匝间故障的诊断方法的流程示意图。RSC：转子侧换流器GSC：网侧换流器is：定子侧电流ira：转子侧a相电流irb：转子侧b相电流irc：转子侧c相电流具体实施方式下面结合附图和实施例对本专利技术作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释本专利技术，而非对本专利技术的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本专利技术相关的部分而非全部结构。实施例下面结合附图1-6对本专利技术进一步说明，图6为双馈风机基于D-S信息融合算法的双馈风机定子匝间故障的诊断方法的流程示意图。本实施例基于仿真软件MATLAB/Simulink专利技术的一种基于D-S信息融合算法的双馈风机定子匝间短路故障的诊断方法。本实施例具体情况设置为，系统于2s后发生定子A相匝间短路故障，待系统稳定后，取转子a相电流进行故障诊断。图1为双馈风机定子匝间短路故障示意图，具体包括以下步骤：S0、搭建双馈风机定子匝间短路模型；具体应用中，所述步骤S0、搭建双馈风机定子匝间模型具体为：双馈风机定子匝间短路故障模型示意图如图2所示，短路故障发生在定子的A相，可得匝间短路回路的电压方程为：0＝dψg/dt+(Rg+rsg)·ig+rsg·isA(1)匝间短路后定子A相回路电压方程为：usA＝dψsA/dt+rs·isA+rsg·ig(2)相应地，双馈风机模型如下：UF＝RFIF+pΨF(3)ΨF＝MFIF(4)IF＝[Iig]T(7)ΨF＝[Ψψg]T(8)以上公式构成双馈风机在定子匝间短路故障情况下的数学模型，可以由这些公式对双馈风机在定子匝间短路故障下进行仿真分析，借鉴正常状态分析时采用坐标变换对模型进行化简，最终简化模型。双馈风机的转子侧与网侧变流器均具有一定的无功功率调节能力，较通常情况下双馈风机转子侧与网侧变流器均采用定功率因数控制模式，本专利技术对两侧的变流器采用电压下垂控制模式。同时，为了充分利用变流器的无功容量，在对转子侧与网侧变流器无功控制指令进行分配时，采用按比例协调的方法。图2为双馈风机定子匝间短路故障模型示意图；图3为双馈风机网侧变流器控制模式示意图。图中，u、i、R、L、ωs、ωr分别为电压、电流、磁通、电阻、电感、同步角频率和转子角频率；下标s、r、g、d、q、m分别代表定子、转子、网侧、d轴、q轴各量和互感；下标mea、ref分别表示测量值和反馈值；下标dc、pcc分别表示直流值和PCC值；Te为电磁转矩；上标“*”、“′”分别表示耦合补偿项与解耦项；a＝LM/Ls；b＝Ls-L2m/Ls。S1、确定转子本文档来自技高网...

【技术保护点】
1.一种基于D‑S信息融合算法的双馈风机定子匝间短路故障的诊断方法，其特征在于：通过对正常情况及发生定子匝间短路故障后的双馈风机进行分析，提取两个故障特征量；确定故障特征量的频率，幅值；运用MATLAB编程对两个故障特征量进行D‑S信息融合，根据判定原则修正故障融合参数，形成故障判定体系。

【技术特征摘要】
1.一种基于D-S信息融合算法的双馈风机定子匝间短路故障的诊断方法，其特征在于：通过对正常情况及发生定子匝间短路故障后的双馈风机进行分析，提取两个故障特征量；确定故障特征量的频率，幅值；运用MATLAB编程对两个故障特征量进行D-S信息融合，根据判定原则修正故障融合参数，形成故障判定体系。2.根据权利要求1所述的一种基于D-S信息融合算法的双馈风机定子匝间短路故障的诊断方法，其特征在于，其定子匝间短路故障位置设定在定子A相。3.根据权利要求1所述的一种基于D-S信息融合算法的双馈风机定子匝间短路故障的诊断方法，其特征在于，其中一个故障特征量为转子电流，其故障特征频率为(2-s)f1，s代表转差率，f1代表定子侧基频。4.根据权利要求1所述的一种基于D-S信息融合算法的双馈风机定子匝间短...

【专利技术属性】
技术研发人员：许伯强，郑泽慧，
申请(专利权)人：华北电力大学保定，
类型：发明
国别省市：河北,13