考慮變流器容錯(cuò)特性的海上雙饋風(fēng)電機(jī)組繞組短路故障辨識(shí)

米志偉,常 彬,寇龍澤,張 鑫,魏書榮

（1.全球能源互聯(lián)網(wǎng)研究院有限公司 先進(jìn)輸電技術(shù)國家重點(diǎn)實(shí)驗(yàn)室，北京102209；2.全球能源互聯(lián)網(wǎng)研究院有限公司 直流電網(wǎng)技術(shù)與仿真北京市重點(diǎn)實(shí)驗(yàn)室，北京102209；3.上海電力大學(xué) 電氣工程學(xué)院，上海200090）

0 引言

近年，海上風(fēng)電成為研究的熱點(diǎn)，海上風(fēng)電機(jī)組的安全穩(wěn)定運(yùn)行也得到了廣泛的關(guān)注[1]～[5]。雙饋感應(yīng)發(fā)電機(jī)（DFIG）是海上風(fēng)力發(fā)電機(jī)的主流機(jī)型之一，海上雙饋風(fēng)力發(fā)電機(jī)組面臨故障率高、故障維修困難、故障停運(yùn)損失大等特點(diǎn)[6]，[7]，因此，海上DFIG及其變流器須要具有一定的容錯(cuò)能力。由于變流器的容錯(cuò)控制通常以抑制故障特征放大作為控制目標(biāo)，這與故障辨識(shí)須要放大故障特征的理念矛盾[8]～[10]。

現(xiàn)有海上DFIG故障診斷更多關(guān)注于容錯(cuò)控制算法，而較少考慮容錯(cuò)控制的影響。文獻(xiàn)[11]通過抑制負(fù)序電流來改善電機(jī)運(yùn)行情況，這與故障辨識(shí)須要放大故障特征的理念沖突，可能導(dǎo)致直接或間接應(yīng)用負(fù)序電流的故障診斷技術(shù)出現(xiàn)誤判或漏判。本文重點(diǎn)分析基于定子負(fù)序電流抑制的容錯(cuò)算法，對(duì)海上雙饋風(fēng)電機(jī)組故障辨識(shí)結(jié)果的影響。首先給出3種由定子電流衍生出的故障特征；然后從理論和仿真結(jié)果上分析系統(tǒng)在添加定子負(fù)序電流抑制算法后，3種故障特征相對(duì)于未添加該算法時(shí)的量化變化規(guī)律；并提出以RBF神經(jīng)網(wǎng)絡(luò)融合擬序阻抗的故障辨識(shí)方法來診斷定子匝間短路故障。最后，實(shí)驗(yàn)驗(yàn)證了所提故障辨識(shí)方法可有效解決匝間短路故障在變流器具備容錯(cuò)特性時(shí)易被誤判、漏判的問題。

1 定子負(fù)序電流抑制算法

本文采用定子負(fù)序電流抑制算法來減小定子匝間短路的負(fù)序電流[12]，其結(jié)構(gòu)如圖1所示。

圖1 雙饋風(fēng)力發(fā)電系統(tǒng)并網(wǎng)控制框圖Fig.1 Grid-connected control block diagram of doubly-fed wind power generation system

當(dāng)雙饋電機(jī)發(fā)生定子匝間短路故障時(shí)，其網(wǎng)側(cè)保持原有的控制策略不變，而轉(zhuǎn)子側(cè)由負(fù)序電流反饋控制環(huán)和原有的PQ解耦控制策略共同控制，由此實(shí)現(xiàn)DFIG在故障狀態(tài)下的穩(wěn)定運(yùn)行。采用控制策略前后的功率以及電流波形的仿真結(jié)果已在文獻(xiàn)[12]中給出，故本文不再贅述。結(jié)果表明該控制策略能夠在輕微故障狀態(tài)下，降低定子側(cè)輸出功率的脈動(dòng)，實(shí)現(xiàn)DFIG的穩(wěn)定運(yùn)行。本文重點(diǎn)分析的是海上雙饋風(fēng)力發(fā)電系統(tǒng)容錯(cuò)控制算法對(duì)故障辨識(shí)結(jié)果的影響。

2 基于定子負(fù)序電流抑制容錯(cuò)算法對(duì)故障辨識(shí)結(jié)果的影響分析

本文分別采用定子負(fù)序電流、Park′s矢量軌跡、Park′s矢量軌跡橢圓度為故障辨識(shí)方法，在Matlab/Simulink仿真平臺(tái)進(jìn)行試驗(yàn)。仿真模型的控制策略皆采用工程上常用的控制策略。

2.1 以定子負(fù)序電流為故障特征量的故障辨識(shí)方法

正常情況下，DFIG定子三相繞組磁動(dòng)勢(shì)為一旋轉(zhuǎn)圓形磁動(dòng)勢(shì)，在三相對(duì)稱繞組中只有正序電流。當(dāng)DFIG發(fā)生定子匝間短路故障后，其定子繞組在短路附加回路上會(huì)產(chǎn)生一個(gè)附加電流[14]，此電流將產(chǎn)生一個(gè)以附加回路為軸線的脈振磁場(chǎng)，由此磁場(chǎng)產(chǎn)生的磁動(dòng)勢(shì)可以分解為兩個(gè)幅值相等、轉(zhuǎn)速相同、旋轉(zhuǎn)方向相反的圓形旋轉(zhuǎn)磁動(dòng)勢(shì)，分別在定子繞組上感應(yīng)出對(duì)應(yīng)的正序電流分量和負(fù)序電流分量。其中，負(fù)序電流的大小會(huì)隨著定子繞組匝間短路故障的嚴(yán)重程度而變化，因此可以用定子負(fù)序電流作為故障特征量。

定義Isn為故障特征量定子負(fù)序電流，仿真分析正常狀態(tài)下、不同匝間短路故障狀態(tài)下采用負(fù)序電流抑制算法、以及不同匝間短路故障狀態(tài)下采用負(fù)序電流抑制算法的定子負(fù)序電流的大小。仿真時(shí)認(rèn)為電機(jī)為理想模型，即電機(jī)繞組、磁路、電路對(duì)稱，氣隙分布均勻，定子負(fù)序仿真結(jié)果如圖2所示。

圖2 定子負(fù)序電流Fig.2 Stator negative sequence current

由圖2（a）可以看出，由于仿真過程中存在干擾誤差等不確定因素，正常狀態(tài)下DFIG定子負(fù)序電流接近零。當(dāng)DFIG定子繞組發(fā)生匝間短路故障，但未采用負(fù)序電流抑制策略時(shí)，定子負(fù)序電流經(jīng)過一個(gè)過渡狀態(tài)到達(dá)穩(wěn)態(tài)，最終幅值達(dá)到0.039 A左右，可得定子繞組發(fā)生匝間短路時(shí)，定子負(fù)序電流發(fā)生躍變。因此在未添加負(fù)序電流抑制算法時(shí)，定子負(fù)序電流幅值大小能夠較精確地反應(yīng)定子繞組故障的情況，能夠?qū)崿F(xiàn)故障辨識(shí)。當(dāng)雙饋電機(jī)定子繞組匝間短路故障的嚴(yán)重程度不變，采用負(fù)序電流抑制算法后可知，經(jīng)過一個(gè)短暫的過渡狀態(tài)，系統(tǒng)穩(wěn)定后，定子負(fù)序電流減少到0.015 A左右。若此時(shí)將故障預(yù)警閾值的定子負(fù)序電流幅值設(shè)置為0.02 A，則在加入負(fù)序電流擬制算法時(shí)將會(huì)出現(xiàn)故障辨識(shí)的漏判。由圖2（b）可知，采用負(fù)序電流抑制算法將會(huì)導(dǎo)致故障辨識(shí)出的故障嚴(yán)重程度小于實(shí)際的故障嚴(yán)重程度，從而無法及時(shí)、精確地處理故障。綜上所述，容錯(cuò)控制算法將會(huì)影響以定子負(fù)序電流為故障特征量的故障辨識(shí)方法辨識(shí)結(jié)果的精確性。

2.2 以Park′s矢量軌跡為特征量的故障辨識(shí)方法

Park′s矢量法廣泛應(yīng)用于電機(jī)繞組匝間短路故障診斷中，當(dāng)DFIG定子繞組發(fā)生匝間短路故障時(shí)，三相電流中含有正序分量外和負(fù)序分量，經(jīng)3 s/2 s變換得到Park′s矢量軌跡為橢圓形，這是以Park′s矢量軌跡為特征量的故障辨識(shí)方法的原理。本文分別仿真分析DFIG分別在正常狀態(tài)、故障狀態(tài)以及故障容錯(cuò)狀態(tài)下的Park′s矢量軌跡圖，結(jié)果如圖3所示。

圖3 不同工況下的Park′s矢量軌跡Fig.3 Park′s Vector Trajectory under Different Conditions

由圖3（a）可知，雙饋電機(jī)在定子繞組未發(fā)生匝間短路故障時(shí)Park′s矢量軌跡為規(guī)則圓形；當(dāng)雙饋電機(jī)定子繞組發(fā)生匝間短路，且未采用容錯(cuò)控制算法時(shí)，Park′s矢量軌跡為為橢圓形。因此，未采用容錯(cuò)控制算法時(shí)，以Park′s矢量軌跡為特征量的故障辨識(shí)方法能夠?qū)崿F(xiàn)對(duì)定子繞組匝間短路故障的辨識(shí)。當(dāng)在故障狀態(tài)下，采用容錯(cuò)控制算法時(shí)，Park′s矢量軌跡接近正圓，這與正常時(shí)的仿真結(jié)果相似，而實(shí)際上其故障嚴(yán)重程度卻與圖（b）相同，此時(shí)若利用Park′s矢量軌跡辨識(shí)故障，很大可能會(huì)出現(xiàn)誤判。綜上所述，以Park′s矢量軌跡為特征量的故障辨識(shí)方法也會(huì)受到容錯(cuò)控制算法的影響。

2.3 Park′s矢量軌跡橢圓度的故障辨識(shí)方法

定義Park′s矢量軌跡橢圓度Fs為

式中：Isp，Isn分別為定子電流的正、負(fù)序分量模值。

由式（3）可知，F(xiàn)s受定子負(fù)序電流的影響。而定子電流的負(fù)序分量抑制算法是為了減少因故障而引起的定子電流分量。故從理論上可得，負(fù)序電流抑制算法將會(huì)影響以Fs為故障特征量的辨識(shí)方法的精確度。

本文以仿真的方法具體分析容錯(cuò)控制算法對(duì)該故障辨識(shí)方法的影響，具體仿真結(jié)果如圖4所示。

圖4 Park′s矢量軌跡橢圓度Fig.4 Park′s Vector trajectory ellipticity

由圖4可知，故障特征Park′s矢量軌跡橢圓度的變化和定子負(fù)序電流的仿真結(jié)果相似，都會(huì)受到容錯(cuò)控制算法的影響，但二者的變化幅度稍有不同，在加入容錯(cuò)控制算法后，Park′s矢量軌跡橢圓度幅值下降了58%，而定子負(fù)序電流下降了70%。該容錯(cuò)算法對(duì)負(fù)序電流特征影響更加明顯，符合理論分析結(jié)果。

2.4 RBF神經(jīng)網(wǎng)絡(luò)融合擬序阻抗的故障辨識(shí)方法

負(fù)序電流特征量在負(fù)序電流抑制算法中不具有魯棒性，而擬序阻抗[15]在電機(jī)不同運(yùn)行工況和負(fù)序電流波動(dòng)中具有魯棒性。因此，本文采用徑向基神經(jīng)網(wǎng)絡(luò)融合擬序阻抗的辨識(shí)方法診斷定子匝間短路故障，其擬序阻抗表達(dá)式為

徑向基神經(jīng)網(wǎng)絡(luò)（Radial Basis Function Neural Network，RBF）是對(duì)已知的故障樣本數(shù)據(jù)進(jìn)行網(wǎng)絡(luò)層學(xué)習(xí)，以建立起故障征兆和故障類別之間的映射關(guān)系，然后將測(cè)試樣本數(shù)據(jù)輸入訓(xùn)練好的網(wǎng)絡(luò)進(jìn)行故障判別。RBF與BP神經(jīng)網(wǎng)絡(luò)一樣具有良好的非線性處理能力和自學(xué)能力，但RBF神經(jīng)網(wǎng)絡(luò)在逼近能力、分類能力和學(xué)習(xí)速率等方面都優(yōu)于BP神經(jīng)網(wǎng)絡(luò)。其中，RBF神經(jīng)網(wǎng)絡(luò)核函數(shù)選取Gauss分布函數(shù)：?（r）=e-r2/σ2。r為平方歐式距離；σ為帶寬，用于控制徑向作用范圍。

本文實(shí)驗(yàn)平臺(tái)如圖7所示，雙饋異步電機(jī)參數(shù)如表1所示。

圖7 實(shí)驗(yàn)平臺(tái)Fig.7 Experimental platform

表1 雙饋異步電機(jī)參數(shù)Table 1 Parameters of doubly-fed asynchronous motor

基于RBF神經(jīng)網(wǎng)絡(luò)的故障診斷流程如圖8所示。

圖8 診斷流程圖Fig.8 Diagnostic flowchart

診斷流程分為3個(gè)階段：①數(shù)據(jù)處理：對(duì)采集到的數(shù)據(jù)求解擬序阻抗并劃分訓(xùn)練集和測(cè)試集。②建模過程：通過第一步劃分的訓(xùn)練樣本對(duì)RBF神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練。③參數(shù)尋優(yōu)過程：對(duì)于第二步模型訓(xùn)練中的參數(shù)進(jìn)行調(diào)整優(yōu)化，以達(dá)到故障診斷所需的精度。針對(duì)上述負(fù)序電流對(duì)抑制算法不具有魯棒性的情況，下面以RBF神經(jīng)網(wǎng)絡(luò)融合擬序阻抗的辨識(shí)方法來具體分析有、無定子負(fù)序電流抑制算法對(duì)該故障辨識(shí)方法辨識(shí)結(jié)果的影響。測(cè)試樣本集如表2所示。

表2 測(cè)試集Table 2 Test set

診斷結(jié)果如圖9所示。其中，縱坐標(biāo)‘1.0'表示故障狀態(tài)，‘0'表示正常狀態(tài)；‘*'代表發(fā)生實(shí)際的運(yùn)行狀態(tài)，‘○'代表RBF神經(jīng)網(wǎng)絡(luò)診斷的結(jié)果。

圖9 徑向基神經(jīng)網(wǎng)絡(luò)診斷結(jié)果Fig.9 Radial basis neural network diagnosis

由圖9可知，在誤差允許的范圍內(nèi)，發(fā)生匝間短路故障的雙饋機(jī)在有、無負(fù)序電流抑制算法下都能準(zhǔn)確的判斷出故障。本文所提的方法有效地濾除了容錯(cuò)算法對(duì)故障診斷的影響，即采用RBF神經(jīng)網(wǎng)絡(luò)融合擬序阻抗的故障辨識(shí)方法對(duì)負(fù)序電流容錯(cuò)控制算法具有魯棒性。

3 結(jié)論

本文首先分析了海上雙饋風(fēng)力發(fā)電系統(tǒng)故障容錯(cuò)運(yùn)行的必要性，介紹了一種定子負(fù)序電流抑制算法，使得海上雙饋機(jī)組在發(fā)生定子繞組輕微短路故障后仍然能夠容錯(cuò)運(yùn)行。以定子負(fù)序電流抑制算法為例，仿真分析了故障容錯(cuò)控制算法對(duì)以定子負(fù)序電流、Park′s矢量軌跡以及Park′s矢量軌跡橢圓度為故障特征量的故障辨識(shí)方法的辨識(shí)結(jié)果的影響，得出了定子負(fù)序電流抑制算法會(huì)對(duì)與電流相關(guān)的故障特征辨識(shí)方法產(chǎn)生不同程度影響的結(jié)論。在此基礎(chǔ)上以RBF神經(jīng)網(wǎng)絡(luò)融合擬序阻抗的故障辨識(shí)方法來診斷負(fù)序電流抑制算法后的定子匝間短路故障。仿真與實(shí)驗(yàn)結(jié)果表明，本文提出的方法可以實(shí)現(xiàn)考慮變流器容錯(cuò)特性的海上雙饋風(fēng)電機(jī)組繞組短路故障辨識(shí)，有效解決了匝間短路故障在變流器具備容錯(cuò)特性時(shí)易被誤判、漏判的情況。