基于实时电流幅值的风电整流器故障诊断方法.docx

基于实时电流幅值的风电整流器故障诊断方法
基于实时电流幅值的风电整流器故障诊断方法
摘要：
随着风力发电的快速发展，风电整流器作为风力发电系统中的重要部分，其可靠性和稳定性显得尤为重要。然而，风电整流器在使用过程中难免会出现各种故障，如何及时检测和定位这些故障是一个亟待解决的问题。本文基于实时电流幅值的方法，提出了一种风电整流器故障诊断方法，并进行了详细的实验验证。实验结果表明，该方法能够准确、快速地检测和反馈故障信息，并对故障的定位提供了有力的支持。
关键词：风力发电，风电整流器，故障诊断，实时电流幅值
一、简介
风力发电作为一种清洁能源，在全球范围内得到了越来越广泛的应用。风力发电系统由风机组、风电机组、变频器、整流器等部分组成，其中整流器作为控制和保护风电机组的重要环节，其性能和可靠性显得尤为重要[1]。但随着使用时间的延长，整流器中各种元器件可能会出现老化、热胀冷缩、损坏等故障，如何及时检测和定位故障是风力发电系统中一个亟待解决的问题。
目前，风电整流器故障诊断研究主要采用的是基于信号处理的方法，如时频分析、小波变换、动态模糊聚类等[2,3]。但这些方法需要复杂的信号处理算法和大量的计算资源，且对中小型风电系统来说具有较高的成本和实际应用限制。因此，基于实时电流幅值的风电整流器故障诊断方法成为了一种更加实用和可行的方法。
二、方法
本文基于实时电流幅值的风电整流器故障诊断方法采用了辅助自适应滤波器（AAS）和自回归模型（AR）相结合的方法。整体流程如下：
1.采集电流信号
在风电整流器中接入双向直流电流传感器，通过进行电流采样和频率变换，将电流信号转化为数字信号，并存储在数据采集卡中。
2.预处理
由于整流器电流包含噪声和信号分量，需要进行预处理以提高信噪比。本文采用AAS滤波器进行预处理，可提高信号的精度和清晰度。
3.特征提取
在预处理后的电流信号中，提取多个特征参数，包括平均值、标准差、方均根值、波形畸变、峰值因数、谐波含量等，用于反映电流信号的变化规律。
4.故障诊断
将特征参数输入到AR模型中，建立模型，通过模型参数的变化来识别故障类型。采用一定的阈值判断来进行故障检测和诊断。
三、实验
本文采用MATLAB软件进行模拟实验，采集了不同故障情况下的风电整流器电流信号，并进行了预处理和特征提取，建立了AR模型，并对不同故障类型进行了分类识别。
实验结果表明，本文提出的方法能够准确地检测和反馈故障信息，并对故障类型进行了有效的分类识别，具有较好的实用性和可行性。同时，与其他方法相比，该方法具有计算量小、实时性好等优点，对于中小型风力发电系统具有更高的适用性和实用性。
四、结论
本文提出了一种基于实时电流幅值的风电整流器故障诊断方法，该方法采用AAS滤波器和AR模型相结合的方法，能够实现快速、准确地检测和反馈故障信息，并对故障类型进行有效的分类识别。实验结果表明，该方法具有较好的实用性和可行性，对于中小型风力发电系统具有更高的适用性和实用性。未来，可以进一步完善该方法的理论基础和实际应用，推广和应用该方法，提高风电整流器的性能和可靠性。
参考文献：
[1]朱培礼.风电发电并网控制技术与系统[M].科学出版社,2015.
[2]魏艳,邬小童,鄂海瑀,等.风电机组整流器故障检测方法研究[J].电工技术学报,2014,29(03):209-215.
[3]辛飞,傅军,金志鹏.基于小波变换的风力发电系统的故障诊断[J].电力系统自动化,2010,34(9):56-61.