基于双馈风力发电机组定子电流的桨叶不平衡故障诊断方法与流程

本发明属于风电机组状态监测和故障诊断技术领域，涉及一种基于双馈风力发电机组定子电流的桨叶不平衡故障诊断方法。

背景技术：

桨叶是风力发电机组的关键部件之一，占风力发电机组生产成本的20％左右，其质量直接影响到风力发电机的效率、寿命和性能等。但是由于风电机组工作环境较为恶劣，叶片面临风沙磨损、结冰、狂风等情况，且由于风的随机性，风力发电机运行工况多变，这些都导致叶片易出现裂纹、破损等，从而导致叶片气动不平衡，轻则影响风力发电机组的发电效率，增加机组疲劳载荷，重则导致风机故障停机甚至发生事故。因此如何对桨叶的不平衡情况进行在线监测，在故障早期就发现问题，可以避免非计划停机。

目前的双馈风力发电机组叶片不平衡可通过红外成像分析、声学分析、视频分析等手段来检测，但是这些方法不仅需要额外的设备，成本高，且可靠性不高。近来也有公布一些桨叶不平衡在线监测的专利，如“叶轮不平衡故障的双馈风力发电机定子电流诊断方法”，该方法通过对定子电流信号重构特征分量来抑制基波分量，突显特征分量，但是该方法受湍流风影响较大，湍流强度较大时，特征不明显。又如“一种双馈风力发电机叶片不平衡在线故障诊断方法”，该方法通过对电功率做阶次分析来诊断不平衡故障，但是诊断时需要增加同步采样器等其他设备的辅助。这些方法都有一个共同的问题，所提出的发明，偏重理论技巧，欠缺对实际应用中问题的考虑。

技术实现要素：

为了克服已有的双馈风力发电机组叶片不平衡检测方式的方案复杂、准确性较差、适用性较差的不足，本发明提供一种简单易行、准确性良好、适用性较好的基于双馈风力发电机组定子电流的桨叶不平衡故障诊断方法。

本发明解决其技术问题所采用的技术方案是：

一种基于双馈风力发电机组定子电流的桨叶不平衡故障诊断方法，所述故障诊断方法包括如下步骤：

1)控制双馈发电机组运行于检测模式，保持风电机组恒转速运行；

2)同步采集满足要求的恒转速运行阶段机组定子相电流i_A和发电

机转速r；

3)根据采集到的发电机转速r计算叶轮转速1倍频；对定子相电流i_A进行小波滤波处理后用包络谱进行信号处理得到包络谱i_f；提取包络谱i_f信号中叶轮转速1倍频幅值M(1)和k倍频幅值M(k)作为特征，其中k为叶片数量；

4)判断1倍频幅值M(1)和k倍频幅值M(k)的大小，若满足M(1)>a*M(k)，则判定存在桨叶不平衡，a为预设幅值比。

进一步，所述步骤1)中，所述检测模式下，双馈发电机组主动定速稳定运行在恒转速运行阶段，转速方均根值小于预定阈值。

再进一步，所述步骤1)中，所述恒转速运行阶段是指发电机转速为额定转速，机组功率由转矩控制，风力发电机未进行变桨的阶段。

所述步骤1)中，所述转速方均根值的计算方法如下：

式中，r_RMS为转速的方均根值，r₁，r₂...r_N为所采集的转速值，N为所采集的转速点个数。

在步骤3)中，根据发电机转速计算叶轮转速1倍频f(1)的方法如下：

式(1)中，r为发电机转速，b为齿轮箱速比。

由于在恒转速运行阶段，实时转速在额定转速附近，因此其转速平均值r也在额定转速值附近，因此相同齿轮箱速比的风电机组，f(1)近似相等。

在步骤3)中，对定子相电流i_A进行信号处理的过程如下：

3.1)对采集的定子相电流时域信号进行小波分解，并根据1倍频f(1)对低频小波系数进行处理、重构，得到i_B；

3.2)对滤波后定子相电流时域信号i_B进行Hilbert变换，得到解调后的包络信号,并作去均值处理，得到i_C；

3.3)对包络信号i_C进行FFT变换得到包络谱i_f，从中提取叶轮转速的1倍频幅值M(1)和k倍频幅值M(k)作为特征。

所述步骤3.3)中，倍频k由风力发电机的叶片数量决定，k等于叶片数。

所述幅值比a由风机的叶片数、机型共同决定，取值范围是1.5≤a≤3。

本发明的有益效果主要表现在：1)本发明涉及的参数均可从风力发电机的现有传感器中获取，无需增加新设备，监测成本低；

2)本发明的可通过控制风电机组运行于检测模式来对风电机组进行诊断，无需大量的数据包，只需短时运行于检测模式，从而快速的对风电机组进行诊断。方法简单易行，快速有效，特征值明显，可用于在线监测诊断。

附图说明

图1为本发明流程图。

图2为信号分析流程图。

图3为正常运行模式下的功率－转速曲线。

图4为正常运行模式下发电机转速时域图。

图5为检测模式下的功率－转速曲线。

图6为检测模式下发电机转速时域图。

图7为检测模式下三种实验情况的效果统计图。

具体实施方式

下面结合附图对本发明作进一步描述。

参照图1～图7，一种基于双馈风力发电机组定子电流的桨叶不平衡故障诊断方法，该方法步骤如下：

1)控制双馈风力发电机组运行于检测模式下，使其主动定速，运行于恒转速方式，发电机转速方均根值小于预定阈值。恒速运行方式是指，发电机转速以额定转速为唯一目标，机组功率由转矩控制，风力发电机组不进行变桨。在理想状态下，恒转速运行时，可基本保持叶轮转速在额定转速，该测试模式应该在合理的风况条件下进行，避免对机组的损伤或导致机组失稳的风险。

转速方均根值的计算方法如下：

式中，r_RMS为转速的方均根值，r₁，r₂...r_N为所采集的转速值，N为所采集的转速点个数。

2)同步采集满足要求的恒转速运行阶段机组定子相电流i_A和发电机转速r。

3)图2为信号分析流程图，根据采集到的发电机转速r计算叶轮转速1倍频f(1)，对定子相电流i_A进行小波滤波处理后进行包络谱分析处理；提取i_f谱信号中叶轮转速1倍频幅值M(1)和k倍频幅值M(k)作为特征，其中k为叶片数量；

4)判断1倍频幅值M(1)和k倍频幅值M(k)的大小，若满足M(1)>a*M(k),则判定不平衡存在。

进一步，在步骤2)中，根据发电机转速计算叶轮转速1倍频f(1)的方法如下：

式(1)中，r为转速平均值，b为齿轮箱速比。

由于在恒转速运行阶段，实时转速在额定转速附近，因此其转速平均值r也在额定转速值附近，因此相同齿轮箱速比的风电机组，f(1)近似相等。

再进一步，在步骤3)中，对定子相电流i_A进行小波滤波处理后用包络谱进行信号处理的方法如下：

3.1)对采集的定子相电流时域信号i_A进行小波分解，并根据1倍频f(1)对低频小波系数进行处理、重构，得到i_B，其方法如下：

对定子相电流信号进行小波变换，得到各尺度的高频系数和低频系数，由于f(1)是一个已知的低频量，因此对各尺度低频系数进行处理、重构，得到i_B。

式中为小波函数，j∈Z，a＝a₀^-j为尺度伸缩因子，b＝ka₀^-jb₀为平移因子。

式中C_j，k为小波变换系数，为的傅里叶变换。

对低频系数进行重构，得到i_B，

3.2)对滤波后的定子相电流信号i_B进行Hilbert变换，得到解调后的包络信号,并作去均值处理，得到i_C,方法如下；

式中为i_B经Hilbert变换后的值。

式中g(t)为解析函数。

式中A(t)为i_B的包络幅值。

式中为A(t)的平均值。

3.3)对包络信号i_C进行FFT变换得到包络谱i_f，从中提取叶轮转速的1倍频幅值M(1)和k倍频幅值M(k)作为特征。

3.4)判断1倍频幅值M(1)和k倍频幅值M(k)的大小，若满足M(1)>a*M(k),则判定不平衡存在。

其中倍频k由风力发电机的叶片数决定，k等于叶片数，1倍幅值M(1)和k倍频幅值M(k)的幅值比a由风机的叶片数、机型共同决定，取值范围是1.5≤a≤3，比如a可以选取1.5、1.8、2.0、2.5和3。

本实施例涉及的参数均可从风力发电机的现有传感器中获取，无需增加新设备，监测成本低；

可通过控制风电机组运行于检测模式来对风电机组进行诊断，无需长时间采集数据，大量的数据包，只需短时运行于检测模式，从而快速的对风电机组进行诊断，方法简单易行，快速有效，特征值明显，可用于在线监测诊断。

以某三桨叶的1.5MW双馈风力发电机组为研究对象，通过控制使风电机组运行于检测模式，设定转速目标为1750rpm，同步采集风力发电机组恒转速运行过程中的发电机转速和定子相电流进行信号分析。

需要说明的是，图3为正常运行模式下的功率－转速曲线，图中标注了变桨工作区间。图4为正常运行模式下发电机转速时域图，通常风电机组运行时，发电机转速随风速的变化而变化，随机性大，没有恒转速运行阶段，在大风情况下，变速和变桨共同作用，难以分离出对叶轮平衡性判断的信息。因此为了有效分离出叶轮平衡性信息，使风电机组短时运行于检测模式，图5为检测模式下的功率－转速曲线，图中标注了检测区间。图6为检测模式下发电机转速时域图。在该模式下，风电机组主动定速，工作于恒转速运行方式，发电机转速接近额定转速，机组功率由转矩控制，风力发电机组不进行变桨。

本实验分别对以下三种情况进行试验：正常运行、人为设置单片桨叶桨距角偏差2度、人为设置单片桨叶桨距角偏差4度。

分别在以上三种情况下控制风电机组运行在检测模式，采集三种情况下的定子相电流和发电机转速进行分析，通过对所采集的定子相电流进行滤波、解调、去均值，提高特征辨识度。

对上述三种实验情况进行检测分析，每种实验情况采集5组数据，共15组数据，用本发明方法对15组数据进行分析，比较M(1)和M(3)的幅值，图7为检测模式下三种实验情况的效果统计图，横坐标为数据组数，纵坐标为M(1)和M(3)的幅值比。

图7中菱形0表示正常运行情况下的数据，方形2表示人为设置单片桨叶桨距角偏差2度时的数据，三角形4表示人为设置单片桨叶桨距角偏差4度时的数据。从图中可以看出，M(1)和M(3)的幅值比随桨距角偏差增大而增大，即桨叶不平衡情况越严重，M(1)和M(3)的幅值比a越大，对于叶片的质量偏差也可以得出类似结论，质量不平衡度越大，则a值越大。于是，统计分析测试点的纵坐标位置即可得出对叶轮平衡性的判断结论。针对不同的叶片，根据其结构和气动设计的差异，应该从理论分析和实测数据出发来选取合理的判定值。

从大量的实验数据中，得出正常情况时，M(1)≤a*M(k)，桨叶不平衡时M(1)＞a*M(k)，因此本发明以判断M(1)是否大于a倍M(k)为判断依据，即当1倍频幅值大于k倍频幅值的a倍时，可以判定桨叶不平衡存在，本发明的判定条件是基于大量实验数据的，并不局限于该实例。

本发明通过双馈风力发电机转速和定子相电流对桨叶不平衡故障进行诊断，所需数据可通过风力发电机组现有的数据采集设备采集，通过运行短时间运行于检测模式，可快速得到有效数据包，简单有效，诊断成本低，是一种有效可靠的桨叶不平衡故障诊断方法。

最后需要说明的是，以上实施例仅用以说明本发明的技术方案而非限制，本领域技术人员应当理解，可以在形式上和细节上对本发明做出改变，而不偏离发明权利要求书所限定的范围。

还需要说明的是，本文中所公开的实例描述的各参数，仅是为了更好的描述本发明，专业人员可以意识到，通过修改本发明的参数值可达到同样的诊断效果，但是这种实现不应认为超出本发明的范围。

对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本发明。本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。