[发明专利]一种永磁直驱风力发电系统一体化故障诊断方法

说明书

技术领域

本发明涉及新能源发电技术领域，具体涉及一种永磁直驱风力发电系统一体化故障诊断方法。

背景技术

近年来，风能作为一种绿色能源在世界能源结构中发挥着愈来愈重要的作用，风电装备也因此得到迅猛发展。风电场一般处于偏远地区，工作环境复杂恶劣，风力发电机组发生故障的几率比较大，而且风电机组安装在几十米高的塔架上，维修非常不便。如果机组的关键零部件发生故障，将会使设备损坏，甚至导致机组停机，造成巨大的经济损失。对于工作寿命为20年的机组，运行维护成本一般占到整个风电场总投入的10％～15％，而对于海上风电场，整个比例高达20％～25％。因此，为了降低风电机组运行的风险，维护机组安全经济运行，都应该发展风电机组故障诊断技术。风力发电系统故障诊断可以有效检测出传动系统、齿轮箱和发电机系统等的内部故障，优化维修策略、减少非计划停机次数和降低机组的运行维护费用等。

风力发电系统所处现场往往环境恶劣且长期运行于变工况和电磁干扰环境中，常见的永磁直驱风力发电系统其结构示意图如图2所示。永磁直驱风力发电系统故障率较高的部件主要有齿轮箱、发电机、变流器。永磁直驱风力发电系统的故障往往不是孤立，经常是由多个故障部件相互影响造成的，因此有必要研究永磁直驱风力发电系统的一体化故障诊断方法。

齿轮箱常见的故障中，齿轮和滚动轴承的故障占齿轮箱故障的80％左右，齿轮和滚动轴承的故障诊断，对于识别齿轮箱故障类型有重要的意义。齿轮常见的故障有齿轮磨损、断齿等。滚动轴承的常见故障有轴承内圈损坏和外圈损坏等。

风力发电机的常见故障有定子匝间短路故障、定子相间短路故障、转子气隙偏心故障和电机轴承故障等。

风力发电系统的变流器主要包括机侧变流器和网侧变流器，变流器装置的故障主要考虑其IGBT器件的故障，包括网侧变流器开路故障和机侧变流器开路故障。

现有的风力发电系统故障诊断技术仅仅针对某一部件进行故障分析，如专利号为CN201310694994.7的“一种针对风电齿轮箱的故障诊断方法”，或者是某一部件的某一故障进行故障分析，如专利号为CN201310184354.1的“一种永磁直驱式风力发电系统变流器的开路故障诊断方法”，只能辨识出故障与否，而不能诊断出故障类型和故障位置。目前，尚未有诊断方法能够集成对风力发电系统所有故障率较高部件的故障分析，快速准确地辨识出故障信息。

发明内容

为解决现有技术存在的不足，本发明公开了一种永磁直驱风力发电系统一体化故障诊断方法，该方法集成了齿轮箱、滚动轴承、发电机、变流器等风力发电系统的故障诊断一体化功能，快速准确地辨识出故障部件及故障类型，投入成本低，智能化水平高，工程化应用前景广阔，特别适用于解决小样本、非线性及高维数的大型机电系统故障诊断。

为实现上述目的，本发明的具体方案如下：

一种永磁直驱风力发电系统一体化故障诊断方法，包括以下步骤：

步骤一：对永磁直驱风力发电系统的多种类型的信号进行采样及数据预处理；

步骤二：利用多小波包分解技术对步骤一中进行采样及数据预处理的信号分别提取不同频带的暂态分量；

步骤三：根据步骤二中的采样信号暂态分量计算小波时间熵，采样信号的小波时间熵作为支持向量机故障诊断模型的特征向量；

步骤四：将步骤三中采样信号的小波时间熵作为样本输入支持向量机故障诊断模型进行训练，训练好的支持向量机故障诊断模型输出对应风力发电系统的故障部件及故障类型信息；

步骤五：以每隔设定时间以设定的频率采样信号并存入数据库，按照步骤二和步骤三计算采样信号的小波时间熵，作为步骤四中训练好的支持向量机故障诊断模型的输入特征向量，获得风力发电系统的故障部件及故障类型信息。

所述步骤一中，对永磁直驱风力发电系统的多种类型的信号进行采样及数据预处理，具体为：对永磁直驱风力发电系统机侧变流器三相交流电流、变流器直流侧母线电压、网侧变流器三相交流电流以及滚动轴承振动加速度这8个信号按设定的频率分别进行采样，获得离散时间序列作为样本，并存入数据库中。

所述步骤二中，利用多小波包分解技术提取不同频带的采样信号暂态分量，包括对机侧变流器三相交流电流、变流器直流侧母线电压、网侧变流器三相交流电流以及滚动轴承振动加速度这8个信号的离散时间序列分别进行多小波包分解。

每个信号的离散时间序列进行多小波包分解方法为：