李 輝 楊 甜 譚宏濤 周芷汀 鄭 杰,2

基于電壓和電流特征的雙饋風電變流器功率器件開路故障綜合診斷

李 輝1楊 甜1譚宏濤1周芷汀1鄭 杰1,2

（1. 輸配電裝備及系統(tǒng)安全與新技術(shù)國家重點實驗室（重慶大學） 重慶 400044 2. 中船重工（重慶）海裝風電設(shè)備有限公司 重慶 400021）

變流器功率器件開路故障監(jiān)測與識別對提高雙饋風電系統(tǒng)智能運維至關(guān)重要。針對現(xiàn)有基于變流器電壓或電流單一特征以及固定閾值的方法難以同時實現(xiàn)功率器件故障診斷監(jiān)測與識別問題，該文提出一種基于變流器直流母線電壓的故障監(jiān)測與基于轉(zhuǎn)子電流故障識別的綜合診斷方法。首先，理論分析變流器功率器件開路故障對直流母線電壓的影響，基于累積和（CUSUM）算法，提出基于直流母線電壓特征的故障監(jiān)測方法；其次，針對轉(zhuǎn)子輸出電流非平穩(wěn)特性和閾值固定問題，提出基于歸一化輸出電流平均值和絕對平均值為故障特征量及自適應(yīng)閾值的故障識別方法；最后，仿真模擬不同功率器件先后開路，驗證所提方法的有效性，以風速隨機及電網(wǎng)電壓跌落為場景驗證所提方法的魯棒性。同時，以功率器件典型開路故障實驗數(shù)據(jù)驗證仿真分析的準確性。仿真與實驗結(jié)果表明，所提方法能準確實現(xiàn)變流器功率器件開路故障診斷。

雙饋風電變流器 功率器件開路故障 累積和算法 自適應(yīng)閾值 故障綜合診斷

0 引言

近年來，由于具備功率可調(diào)、控制獨立及并網(wǎng)靈活等優(yōu)勢，基于雙饋感應(yīng)發(fā)電機（Doubly-Fed Induction Generator, DFIG）的風電機組一直是備受歡迎的機組類型之一。然而，變流器的高故障率與運維成本問題制約了其發(fā)展[1-2]。變流器故障通常分為短路與開路兩種，前者故障時間極短（一般小于10μs）難以直接進行診斷，主要通過植入熔絲將其演化為開路故障[3-5]，因此開路故障為現(xiàn)有變流器故障診斷方法研究的重點。據(jù)統(tǒng)計，變流器發(fā)生單管與雙管開路故障的概率較高，同時，相對于網(wǎng)側(cè)變流器（Grid-Side Converter, GSC），轉(zhuǎn)子側(cè)變流器（Rotor-Side Converter, RSC）因承受多時間尺度熱載荷而導(dǎo)致故障率更高[2,6]。因此研究雙饋RSC單管與雙管開路故障的在線診斷方法對風電系統(tǒng)智能運維與容錯控制具有重要意義。

目前變流器開路故障診斷方法通常基于電壓[7-13]或電流[14-25]信號。文獻[7-10]提取變流器電壓特征量作為神經(jīng)網(wǎng)絡(luò)的輸入，由智能體輸出故障診斷結(jié)果，然而該方法需大量歷史數(shù)據(jù)對智能體進行預(yù)訓(xùn)練。文獻[12]則利用正常狀態(tài)與故障狀態(tài)下的線電壓偏差進行永磁風機變流器的故障診斷與定位，該方法采用電壓幅值和時間寬度的雙重檢測標準以提高故障診斷的可靠性，然而其只能有效診斷和定位變流器單管及同橋臂雙管開路故障情況，對于不同橋臂雙管故障則往往難以識別。文獻[13]對比分析了直流母線電壓故障前后的能量譜以實現(xiàn)變流器故障診斷。雖然直流母線電壓特征量提取算法簡單，便于實現(xiàn)故障的快速診斷，但是存在不同故障類型下電壓特征量差異小而難以實現(xiàn)故障定位問題。文獻[14-15]結(jié)合信號處理與人工智能技術(shù)對變流器進行故障診斷，對變流器輸出電流信號基于主成分分析，提取各頻帶能量值特征量訓(xùn)練支持向量機模型，然而此類方法仍然存在數(shù)據(jù)獲取困難和模型難以驗證問題。文獻[17]分析了逆變器故障前后電流矢量瞬時頻率與角度特征的變化，實現(xiàn)故障快速定位，但其只能針對單管故障場景。文獻[18-19]利用輸出電流Park矢量相位斜率實現(xiàn)風電背靠背機/網(wǎng)側(cè)變流器開路故障檢測，同時分別通過電流極性與平均電流誤差識別網(wǎng)/機側(cè)變流器單功率管故障位置，由于風電變流器輸出電流矢量斜率大小隨風速的改變而變化，而基于固定參數(shù)的故障診斷閾值，往往使得該方法的適用性與魯棒性不強。文獻[20]通過電壓源PWM驅(qū)動器主控電路電流參考值與實測值的誤差構(gòu)建故障特征量，閾值由最惡劣工況下的特征量波動值所確定，仍然面臨診斷閾值固定帶來的缺陷。文獻[24-25]則針對雙饋風電變流器輸出電流信號，通過歸一化電流均值構(gòu)建了無負載依賴特性的故障診斷變量與自適應(yīng)閾值，提高了故障診斷方法的適用性，但該方法存在診斷延遲問題。綜上所述，現(xiàn)有變流器功率器件開路故障診斷方法通常基于單一的電壓或電流信號，雖然變流器電壓信號獨立于負載和控制策略，便于實現(xiàn)故障診斷，但是卻難以識別多故障類型，而單一的電流信號易于實現(xiàn)變流器故障識別卻又存在閾值固定與診斷延遲問題。

基于此，為提高雙饋風電RSC功率器件故障診斷的能力，提出一種基于變流器直流母線電壓的故障監(jiān)測與基于轉(zhuǎn)子電流故障識別的綜合診斷方法。本文首先建立RSC直流母線電壓數(shù)學模型，利用累積和（Cumulative Sum, CUSUM）算法捕捉直流母線電壓故障特性，實現(xiàn)基于直流母線電壓特征的故障監(jiān)測；其次，通過RSC轉(zhuǎn)子電流構(gòu)建和設(shè)計故障特征量與自適應(yīng)閾值，實現(xiàn)基于轉(zhuǎn)子電流特征的故障識別；最后，對所提方法的有效性及魯棒性進行仿真分析，并通過功率器件典型開路故障實驗數(shù)據(jù)驗證仿真分析的有效性。

1 基于直流母線電壓特征的故障監(jiān)測

1.1 雙饋風電機組結(jié)構(gòu)

雙饋風電機組主要由風機、齒輪箱、濾波器、變壓器、雙饋感應(yīng)發(fā)電機、背靠背變流器等部分組成，結(jié)構(gòu)如圖1所示。其中背靠背變流器通過直流母線電壓連接兩個兩電平電壓型PWM變換器作為DFIG的交流勵磁環(huán)節(jié)，其中與DFIG轉(zhuǎn)子相連的是轉(zhuǎn)子側(cè)變流器（RSC），實現(xiàn)直流側(cè)電壓和電網(wǎng)側(cè)無功功率控制功能的為網(wǎng)側(cè)變流器（GSC）[26]。

圖1 雙饋風電機組結(jié)構(gòu) Fig.1 Structure of the doubly-fed wind turbine

圖1中，R1～R6分別為RSC各功率器件，rm、rm分別為DFIG轉(zhuǎn)子各相繞組電感及電阻，= a, b, c，rm為RSC交流側(cè)電流，dcr為RSC直流側(cè)電流，G1～G6分別為GSC各功率器件，gm、gm分別為GSC三相并網(wǎng)電感及電阻，gm為GSC交流側(cè)電流，dcg為GSC直流側(cè)電流，dc為直流母線電壓，dc為其電容值，dc為電容電流。

1.2 基于直流母線電壓特征的故障監(jiān)測

1.2.1 直流母線電壓數(shù)學建模

為了提取RSC功率器件開路故障時的直流母線電壓特征量，以RSC超同步運行（此時風速w= 13m/s，轉(zhuǎn)子電流基頻r=11.5Hz）為例，建立直流母線電壓故障前后動態(tài)數(shù)學模型?？紤]GSC通常以單位功率因數(shù)運行[26]，為簡化分析，將GSC視為負載g[12]，構(gòu)建RSC等效電路如圖2所示。

根據(jù)歐姆定律，dc應(yīng)滿足

其中

式中，eq為直流母線電容dc與g的等效并聯(lián)負載；rm為RSC各相橋臂開關(guān)函數(shù)。

圖2 RSC等效電路

假設(shè)RSC交流側(cè)電流的初始相位為r0，則各相電流表達式為

式中，r、r分別為RSC交流側(cè)電流幅值與角頻率。

忽略PWM下RSC開關(guān)函數(shù)的高頻分量，采用占空比描述RSC一般數(shù)學模型，則RSC各相開關(guān)函數(shù)的平均值定義[27]為

式中，r為PWM調(diào)制比（r＜1）；rm＞0.5時，上橋臂導(dǎo)通，rm＜0.5時，則下橋臂導(dǎo)通。

結(jié)合式（1）～式（4），得到dc數(shù)學表達式為

1）RSC無開路故障時，有

則

式中，dcr_h為RSC無開路故障的直流側(cè)輸出電流。

由式（7）可知，當RSC未發(fā)生開路故障時，直流母線電壓為定值。

2）RSC發(fā)生開路故障時（以R1開路為例，如圖2所示），有

則

式中，dcr_f為RSC故障時的直流側(cè)輸出電流。

由式（9）可知，RSC功率管R1開路將導(dǎo)致dc產(chǎn)生轉(zhuǎn)子電流基頻及其兩倍頻的脈動。同理可知，若RSC發(fā)生多管開路故障，則dc將產(chǎn)生轉(zhuǎn)子電流基頻及其倍頻的脈動。

為驗證理論推導(dǎo)的正確性，以風速w=13m/s及功率管R1開路故障為例，設(shè)置故障時刻f=1.23s，對故障dc進行快速傅里葉變換（Fast Fourier Trans- formation, FFT），結(jié)果如圖3所示。由FFT分析結(jié)果可知，故障dc主要產(chǎn)生了轉(zhuǎn)子電流基頻及其兩倍頻的脈動，同時伴隨部分更高次基波倍頻的波動，但所占比例較小，仿真與理論分析結(jié)果基本一致，驗證了仿真結(jié)果的有效性。

圖3 故障Udc的FFT分析

1.2.2 基于直流母線電壓特征的故障監(jiān)測

基于dc數(shù)學模型的準確性，對RSC功率管R1故障前后的dc仿真數(shù)據(jù)集進行概率分布檢驗，得到故障前后dc的分布特性與正態(tài)分布較擬合，如圖4所示。由圖4知，功率管R1故障前dc的正態(tài)分布均值與方差分別為0=1，0=8.488×10-4，而故障后均值與方差分別為1=0.998，1=2.5×10-2。對比dc故障前后的分布特性可知，故障前后其分布類型不變，但分布參數(shù)發(fā)生了改變，即均值幾乎不變（偏差在1%以內(nèi)），但方差變化顯著。

圖4 直流母線電壓故障前后分布特性

而累積和算法是一種常用于在線監(jiān)測數(shù)據(jù)異常波動的統(tǒng)計學手段，其對dc故障前后分布特性變化具有較好的捕捉能力[28-29]。其核心思想為被監(jiān)測量（假設(shè)為）的對數(shù)似然比()，定義為

而對于服從正態(tài)分布的變量，對應(yīng)的PDF表示為

式中，、分別為變量的均值與偏差。

當變量的偏差由0演化到1時，其似然比定義為

將式（12）代入式（10）中得

根據(jù)式（13），定義偏差累積和函數(shù)為

式中，Dd()為變量第（≥1）次采樣的偏差累積和，且有Dd(0)=0。

根據(jù)式（13）和式（14），利用RSC開路故障前后dc對數(shù)似然比的變化特性，定義dc異常監(jiān)測標識值為

式中，alarm=0，表示dc正常，alarm=1，表示dc異常；為dc異常的偏差累積和閾值。當dc第次采樣的Dd()超出閾值時，alarm由0變?yōu)?。

根據(jù)式（15），當dc正常運行時，對應(yīng)的(dc)＜0，此時Dd(dc)保持不變；而當dc異常波動時，則有(dc)＞0，此時Dd(dc)在上一次的基礎(chǔ)上進行累積。一旦Dd(dc)超出閾值時，系統(tǒng)警報觸發(fā)。本文綜合故障監(jiān)測的速度與精度，閾值選取約為dc額定值的一半，即=600，同時為了防止Dd(dc)數(shù)值過大數(shù)據(jù)溢出，對其進行限幅處理，取其最大值為5倍dc額定值左右，即(Dd(dc))max=6 000。

2 基于轉(zhuǎn)子電流特征的故障識別

基于dc特征僅能實現(xiàn)RSC功率器件開路故障監(jiān)測，卻無法定位不同開路故障位置。而與dc故障特征不同，RSC發(fā)生單管或雙管開路故障時，故障相電流出現(xiàn)半波或全波缺失現(xiàn)象，即RSC不同開路故障類型對應(yīng)故障相電流輸出波形不同。故可通過RSC輸出電流特征實現(xiàn)開路故障類型識別。

2.1 故障電流特征量的構(gòu)建

根據(jù)恒幅值變換得到RSC轉(zhuǎn)子電流Park矢量及其幅值為

由式（16）得RSC各相輸出電流歸一化值為

式中，rm0、rmN分別為RSC各相初始相位與歸一化電流值。

由式（17）可知，RSC歸一化相電流是幅值恒為1的正弦信號，大小與風電載荷無關(guān)。由式（17）進一步得到RSC輸出電流的歸一化平均值與絕對平均值為

式中，為RSC相電流單周期內(nèi)的采樣數(shù)；為采樣時刻。

在一個周期內(nèi)，若采樣點數(shù)趨于無窮大，則式（18）可表示為

當RSC未發(fā)生開路故障時，有

利用逆變器輸出電流均值與絕對均值的比值，構(gòu)建故障特征量[14]為

故障特征量rm忽略了故障相對非故障相電流的影響。當RSC發(fā)生開路故障時，非故障相因直流分量的增加而導(dǎo)致自身特征參量實際值不為零（理論為零）。為減小故障相對非故障相電流的干擾，同時保證故障相特征量原有特性，鑒于兩個非零且絕對值小于1的數(shù)相乘具有相互抑制作用，故利用特征量rm絕對值與RSC歸一化電流均值的乘積來構(gòu)建新故障特征量，即

式中，rm為本文所構(gòu)建的故障電流特征量。

由式（22）可知，當RSC發(fā)生開路故障時，非故障相的rm屬于(0, 1)或(-1, 0)，對應(yīng)相的歸一化電流均值也屬于(0, 1)或(-1, 0)，可知兩者的乘積既能有效削弱故障相對非故障相電流的影響，還能保證故障相特征不變。

2.2 自適應(yīng)閾值的設(shè)計

由式（22）可知，RSC不同開路故障情況對應(yīng)的故障電流特征量不同。若閾值恒定，則降低故障識別方法的普適性。針對該問題，本文設(shè)計隨故障情況變化而改變的自適應(yīng)閾值以提高故障診斷系統(tǒng)的可靠性。

根據(jù)式（19），RSC不同故障情況所對應(yīng)的電流歸一化絕對均值不同。鑒于RSC輸出電流歸一化絕對均值可有效區(qū)分不同開路故障情況，考慮到其值與相應(yīng)的故障電流特征量絕對值相近，為提高故障識別的魯棒性，故利用RSC輸出電流歸一化絕對均值與偏移常量共同構(gòu)建故障識別自適應(yīng)閾值，即

式中，rm為故障識別自適應(yīng)閾值；為偏移常量。

對于RSC單管開路故障情況，故障電流特征量絕對值由零增加至非故障電流歸一化絕對均值的一半，而對應(yīng)的故障相閾值則減半，同時對于RSC同橋臂雙管開路故障情況，故障電流特征量絕對值趨近于零值，而此時故障相閾值也減小至零。根據(jù)式（23），若取零，則存在因故障電流特征量與其閾值相近而難以實現(xiàn)故障識別的問題?；诖耍?i>取值需大于零以增加兩者之間的差值?？紤]系統(tǒng)干擾與計算誤差，對故障識別速度與魯棒性進行折中，本文選取值為0.32，即非故障電流歸一化絕對均值的一半。

2.3 決策函數(shù)的判據(jù)

RSC不同開路故障情況對應(yīng)不同的故障電流特征量與閾值，對比故障特征量與相應(yīng)的閾值，得到RSC開路在不同故障情況下的標識值為

根據(jù)式（24），當RSC處于健康狀態(tài)下，各相電流滿足-rm＜rm＜rm，故rm始終為0。當RSC發(fā)生下橋臂單管開路故障時，故障相電流負半波缺失，故障相rm由0逐漸增加至原歸一化絕對電流均值的一半，而rm減半，此時rm＞rm，rm變?yōu)?1；同理，當發(fā)生上橋臂單管開路故障時，RSC對應(yīng)故障相電流正半波缺失，故障相rm由0逐漸減小至原歸一化絕對電流均值的一半的負值，rm也減半，此時rm＜-rm，rm變?yōu)?。對于RSC同橋臂上、下兩管開路的故障類型（類型Ⅱ），故障相電流全波缺失，此時故障相rm為0，rm變?yōu)?e，滿足rm＜rm＜-rm，rm變?yōu)?。

雙饋風電RSC單管與雙管開路共有21種不同的情況，歸納為以下三種主要類型：Ⅰ單管故障（6種）；Ⅱ同橋臂雙管故障（相故障）（3種）；Ⅲ不同橋臂雙管故障（12種）。

RSC開路故障類型Ⅰ、Ⅱ、Ⅲ中，故障類型Ⅰ和Ⅱ只涉及RSC某一相輸出電流波形缺失，增加的直流分量由兩非故障相共同承擔，非故障相電流波形受故障相的影響相對較小。而對于故障類型Ⅲ，其導(dǎo)致RSC某兩相輸出電流波形缺失，根據(jù)KCL定律，此時非故障相將產(chǎn)生與故障相相反的波形缺失。綜上所述，RSC不同開路故障類型對應(yīng)的故障識別標識值見表1。

3 仿真分析

通過上述分析可知，基于CUSUM算法，捕捉雙饋風電變流器直流母線電壓故障特性，實現(xiàn)基于直流母線電壓特征的故障監(jiān)測。同時，同雙饋RSC轉(zhuǎn)子電流進行歸一化處理，基于轉(zhuǎn)子電流歸一化絕對值及絕對歸一化絕對值構(gòu)建故障識別特征量及其自適應(yīng)閾值，實現(xiàn)基于轉(zhuǎn)子電流特征的故障識別。利用雙饋風電機組直流母線電壓與轉(zhuǎn)子電流特征實現(xiàn)RSC功率器件開路故障綜合診斷具體流程如圖5所示。

表1 RSC功率管開路故障識別標識值

Tab.1 Identification signs of the open-circuit fault of RSC power switches

3.1 故障診斷有效性驗證

為驗證本文所提方法的有效性，基于Matlab/ Simulink平臺，以容量1.5MW的雙饋風電機組為例，通過驅(qū)動信號缺失來模擬RSC功率器件開路，同時假設(shè)各功率器件的反并聯(lián)二極管均正常工作。仿真相關(guān)參數(shù)見表2。

不失一般性，本文假設(shè)任意時刻f1發(fā)生某單管開路故障，而后任意時刻f2又發(fā)生另一功率管開路故障，以模擬RSC單管故障演變至雙管故障的過程。本文選定f1=1.23s，f2=1.85s，對RSC不同功率器件先后開路故障進行仿真，結(jié)果如圖6～圖8所示。

圖5 RSC功率器件開路故障綜合診斷流程

表2 DFIG主要仿真參數(shù)

Tab.2 The main parameters of the DFIG

圖6展示了RSC功率管R1、R2先后開路故障監(jiān)測與識別仿真結(jié)果。在f1=1.23s時刻，RSC功率管R1發(fā)生開路故障，dc波動，ra正半波形缺失，當Dd(dc)＞時，警報觸發(fā)。而ra由0漸變?yōu)樨撝?，同時ra減半，此時滿足ra＜-ra，ra由0變?yōu)?。在f2=1.85s時刻，R2開路，RSC由a相單管故障演變?yōu)閍相故障，此時ra由負值變?yōu)?，而ra繼續(xù)減小至-e，有ra＜ra＜-ra，ra由1變?yōu)?。

圖6 RSC功率管R1、R2先后開路故障監(jiān)測與識別

圖7與圖6仿真結(jié)果的分析類似，在f1=1.23s與f2=1.85s時刻先后發(fā)生了功率管R2與R3開路故障。R2開路導(dǎo)致Dd(dc)超出閾值，系統(tǒng)觸發(fā)警報，此時ra由0漸變?yōu)檎?，ra減半，滿足ra＞ra，ra由0變?yōu)?1。當R3開路，此時RSC發(fā)生a、b兩相上橋臂單管開路故障，rb由0漸變?yōu)樨撝?，rb減半，有rb＜-rb，故rb由0變?yōu)?。

圖8為RSC功率管R1、R5先后開路故障仿真結(jié)果。同理，功率管R1開路引發(fā)系統(tǒng)警報，同時ra正半波形缺失，ra由0漸變?yōu)樨撝担瑀a減半，滿足ra＜-ra，ra由0變?yōu)?。在f2=1.85s時刻，R5開路，此時RSC發(fā)生a、c兩相上橋臂單管開路故障，rc由0漸變?yōu)樨撝?，rc減半，有rc＜-rc，故rc也由0變?yōu)?。但與前兩種故障情況所不同，因此時非故障相b受故障相a、c的影響較大，導(dǎo)致rb對應(yīng)的rb也超出了閾值rb，使得rb＞rb，進而rb由0變?yōu)?。

3.2 魯棒性驗證

為驗證本文所提方法對外界干擾的免疫性能。以風速隨機、電網(wǎng)電壓跌落這兩種常見的場景來驗證本文所提方法的魯棒性。

圖7 RSC功率管R2、R3先后開路故障監(jiān)測與識別

圖8 RSC功率管R1、R5先后開路故障監(jiān)測與識別

3.2.1 風速隨機情況

為更好地模擬風電場實際風況，仿真輸入隨機風由基本風分量、陣風分量、漸變風分量及隨機風分量疊加而成，基本風速設(shè)置為10m/s[30]。仿真結(jié)果如圖9所示?？芍S機風速對dc影響較小，因Dd(dc)始終小于，故alarm始終保持為0。雖隨機風速使RSC各相電流故障診斷量與閾值產(chǎn)生一定波動，但各相特征量仍然處于閾值范圍內(nèi)，可知，本文所提方法對隨機風工況仍適用。

圖9 隨機風速下的故障監(jiān)測與識別

3.2.2 電網(wǎng)電壓跌落情況

設(shè)置網(wǎng)側(cè)電壓幅值g在不同時刻先后發(fā)生變化。假設(shè)在1=1.5s時刻g跌落50%，在2=1.8s時刻，恢復(fù)原值。仿真結(jié)果如圖10所示。g跌落瞬間，dc產(chǎn)生較大沖擊，致使Dd超出閾值，alarm由0變?yōu)?，此時系統(tǒng)產(chǎn)生誤警報。但g跌落對RSC故障識別產(chǎn)生了有利影響。g跌落使電流變大，但因電流形狀仍為正弦，故RSC轉(zhuǎn)子電流的增大對rm基本無影響，卻使rm變大。而rm不變，rm增大，反而增加故障識別系統(tǒng)的穩(wěn)定裕度。g跌落雖致使系統(tǒng)產(chǎn)生誤警報，但故障識別卻未動作，因此可將故障監(jiān)測與故障識別進行相互驗證以綜合判斷系統(tǒng)是否誤診斷。

圖10 電壓跌落下的故障預(yù)警與識別

4 實驗結(jié)果

實驗平臺主要由三相調(diào)壓器、直流母線電容、濾波電感、DC-AC變流器功率模塊、RL串聯(lián)負載組成，如圖11所示。實驗相關(guān)參數(shù)見表3。

為更真實地模擬仿真情景，實驗時保持變流器故障前后控制方式不變。為驗證仿真結(jié)果的準確性，實驗主要以變流器功率器件三種典型開路故障為例進行驗證。通過上位機程序平臺控制各功率器件脈沖的輸出，以模擬不同功率器件先后開路情況，同時設(shè)置輸出電流基波為10Hz（模擬超同步運行狀態(tài)），測量變流器不同故障情況下的直流側(cè)電壓與輸出電流。分別對故障直流電壓與輸出電流的實驗數(shù)據(jù)進行FFT分析與絕對均值計算處理，結(jié)果分別如圖12、圖13～圖15所示。

圖12以功率管R1與R4開路故障時的直流側(cè)電壓dc進行FFT分析，由圖可知，故障dc產(chǎn)生了輸出電流基頻及其倍頻的脈動，實驗分析與理論推導(dǎo)基本相符。

圖11 功率器件故障診斷實驗平臺

表3 主要實驗參數(shù)

Tab.3 The main parameters of the experiment

圖12 故障Udc的FFT分析

圖13 功率管R1、R2先后開路故障識別

圖14 功率管R1、R4先后開路故障識別

對圖13～圖15的分析可知，實驗分別設(shè)置在時刻f1與f2發(fā)生功率器件先后開路，電流產(chǎn)生相應(yīng)的波形缺失，實驗現(xiàn)象與仿真結(jié)果基本吻合。同時，實驗數(shù)據(jù)分析的故障識別結(jié)果與表1一致。

5 結(jié)論

為了提高雙饋風電變流器功率器件開路故障監(jiān)測與識別能力，本文提出了一種基于直流母線電壓與轉(zhuǎn)子電流特征的故障綜合診斷方法。基于RSC功率器件典型開路故障診斷及魯棒性驗證的結(jié)果，得出如下結(jié)論：

圖15 功率管R1、R3先后開路故障識別 Fig.15 Fault identification for R1, R3 successive open-circuit fault

1）CUSUM算法簡單，易于在線實現(xiàn)，基于該算法的直流母線電壓異常捕捉實現(xiàn)了RSC功率器件開路故障在線監(jiān)測。

2）通過對比RSC轉(zhuǎn)子電流特征量及其閾值，實現(xiàn)了RSC單管與雙管開路故障的準確識別。

3）以隨機風與電網(wǎng)電壓跌落為場景仿真驗證了本文所提方法的魯棒性，通過變流器功率器件開路故障實驗驗證了本文所提方法的有效性。

[1] Hahn B, Durstewitz M, Rohrig K. Reliability of wind turbines[M]. New Jersey: Wind Energy, 2007.

[2] Yang Zhimin, Chai Yi. A survey of fault diagnosis for onshore grid-connected converter in wind energy conversion systems[J]. Renewable and Sustainable Energy Reviews, 2016, 66: 345-359.

[3] Richardeau F, Baudesson P, Meynard T A. Failures tolerance and remedial strategies of a PWM multi-cell inverter[J]. IEEE Transactions on Power Electronics, 2002, 17(6): 905-912.

[4] 孟云平, 周新秀, 李紅, 等. 基于四橋臂拓撲的永磁同步電機斷相容錯控制策略[J]. 電工技術(shù)學報, 2019, 34(15): 3158-3166.

Meng Yunping, Zhou Xinxiu, Li Hong, et al. Fault tolerant strategy of four-leg for permanent magnet synchronous motor in case of open circuit fault[J]. Transactions of China Electrotechnical Society, 2019, 34(15): 3158-3166.

[5] 謝東, 葛興來. 基于殘差變化率的單相級聯(lián)H 橋整流器IGBT 開路故障診斷[J]. 電工技術(shù)學報, 2018, 33(16): 3822-3834.

Xie Dong, Ge Xinglai. Residual-changing-rate based open-circuit fault diagnosis for a single-phase cascaded H-bridge rectifier[J]. Transactions of China Electrotechnical Society, 2018, 33(16): 3822-3834.

[6] 高兵, 陳民鈾, 楊帆, 等. 考慮機側(cè)變流器復(fù)雜熱載荷特性的壽命評估[J]. 電工技術(shù)學報, 2017, 32(13): 88-99. Gao Bing, Chen Minyou, Yang Fan, et al. Life estimation of generator side converter considering the comprehensive mission profiles[J]. Transactions of China Electrotechnical Society, 2017, 32(13): 88-99.

[7] Khomfoi S, Tolbert L M. Fault diagnosis and recon- figuration for multilevel inverter drive using AI-based techniques[J]. IEEE Transactions on Industrial Elec- tronics, 2007, 54(6): 2954-2968.

[8] 陳丹江, 葉銀忠. 基于多神經(jīng)網(wǎng)絡(luò)的三電平逆變器器件開路故障診斷方法[J]. 電工技術(shù)學報, 2013, 28(6): 120-126.

Chen Danjiang, Ye Yinzhong. Fault diagnosis of three level inverter based on multi neural network[J]. Transactions of China Electrotechnical Society, 2013, 28(6): 121-126.

[9] 于生寶, 何建龍, 王睿家, 等. 基于小波包分析和概率神經(jīng)網(wǎng)絡(luò)的電磁法三電平變換器故障診斷方法[J]. 電工技術(shù)學報, 2016, 31(17): 102-112.

Yu Shengbao, He Jianlong, Wang Ruijia, et al. Fault diagnosis of electromagnetic three-level inverter based on wavelet packet analysis and probabilistic neural networks[J]. Transactions of China Electrotechnical Society, 2016, 31(17): 102-112.

[10] 李兵, 崔介兵, 何怡剛, 等. 基于能量譜熵及小波神經(jīng)網(wǎng)絡(luò)的有源中性點鉗位三電平逆變器故障診斷[J]. 電工技術(shù)學報, 2020, 35(10): 2216-2225.

Li Bing, Cui Jiebing, He Yigang, et al. Fault diagnosis of active neutral point clamped three-level inverter based on energy spectrum entropy and wavelet neural network[J]. Transactions of China Electrotechnical Society, 2020, 35(10): 2216-2225.

[11] Li Zhan, Ma Hao, Bai Zhihong, et al. Fast transistor open-circuit faults diagnosis in grid-tied three-phase VSIs based on average bridge arm pole-to-pole voltages and error-adaptive thresholds[J]. IEEE Transactions on Power Electronics, 2018, 33(9): 8040-8051.

[12] 杭俊, 張建忠, 程明, 等. 基于線電壓誤差的永磁直驅(qū)風電系統(tǒng)變流器開路故障診斷[J]. 中國電機工程學報, 2017, 37(10): 2933-2943.

Hang Jun, Zhang Jianzhong, Cheng Ming, et al. Fault diagnosis of open-circuit faults in converters of direct-driven permanent magnet wind power generation systems based on line voltage errors[J]. Proceedings of the CSEE, 2017, 37(10): 2933-2943.

[13] 沈艷霞, 周文晶, 紀志成, 等. 基于小波包分析的風力發(fā)電系統(tǒng)中變流器的故障識別[J]. 電網(wǎng)技術(shù), 2013, 37(7): 242-248.

Shen Yanxia, Zhou Wenjing, Ji Zhicheng, et al. Fault identification of converter used in wind power generation based on wavelet packet analysis[J]. Power System Technology, 2013, 37(7): 242-248.

[14] 梅櫻, 孫大南, 韋中利, 等. 一種基于矢量控制的變流器故障診斷方法[J]. 電工技術(shù)學報, 2010, 25(3): 177-182.

Mei Ying, Sun Danan, Wei Zhongli, et al. An approach to converter faults diagnosis based on vector control[J]. Transactions of China Electro- technical Society, 2010, 25(3): 177-182.

[15] 褚召偉, 李春茂, 何登, 等. 基于小波神經(jīng)網(wǎng)絡(luò)的風電變流器故障診斷系統(tǒng)[J]. 電氣技術(shù), 2012, 13(9): 34-37.

Chu Zhaowei, Li Chunmao, He Deng, et al. Fault diagnosis system of wind power converter based on wavelet neural network[J]. Electrical Engineering, 2012, 13(9): 34-37.

[16] 郝振洋, 徐子梁, 陳宇, 等. 航空Vienna整流器故障診斷與容錯控制[J]. 電工技術(shù)學報, 2020, 35(24): 5152-5163.

Hao Zhenyang, Xu Ziliang, Chen Yu, et al. Fault diagnosis and fault tolerant control for aviation Vienna rectifier[J]. Transactions of China Electro- technical Society, 2020, 35(24): 5152-5163.

[17] 陳勇, 劉志龍, 陳章勇. 基于電流矢量特征分析的逆變器開路故障快速診斷與定位方法[J]. 電工技術(shù)學報, 2018, 33(4): 883-891.

Chen Yong, Liu Zhilong, Chen Zhangyong. Fast diagnosis and location method of open-circuit fault in inverter based on current vector character analysis[J]. Transactions of China Electrotechnical Society, 2018, 33(4): 883-891.

[18] 黃科元, 劉靜佳, 黃守道, 等. 永磁直驅(qū)系統(tǒng)變流器開路故障診斷方法[J]. 電工技術(shù)學報, 2015, 30(16): 135-142.

Huang Keyuan, Liu Jingjia, Huang Shoudao, et al. Converters open-circuit fault-diagnosis methods research for direct-driven permanent magnet wind power system[J]. Transactions of China Electro- technical Society, 2015, 30(16): 135-142.

[19] Freire N M A, Estima J O, Marques Cardoso A J. Open-circuit fault diagnosis in PMSG drives for wind turbine applications[J]. IEEE Transactions on Indu- strial Electronics, 2013, 60(9): 3957-3967.

[20] Estima J O, Marques Cardoso A J. A new algorithm for real-time multiple open-circuit fault diagnosis in voltage-fed PWM motor drives by the reference current errors[J]. IEEE Transactions on Industrial Electronics, 2013, 60(8): 3496-3505.

[21] Tiancheng S, Yigang H, Fangming D, et al. Online diagnostic method of open-switch faults in PWM voltage source rectifier based on instantaneous AC current distortion[J]. IET Electric Power Appli- cations, 2018, 12(3): 447-454.

[22] Huang Zhanjun, Wang Zhanshan, Zhang Huaguang. A diagnosis algorithm for multiple open-circuited faults of microgrid inverters based on main fault component analysis[J]. IEEE Transactions on Energy Conversion, 2018, 33(3): 925-937.

[23] Khojet El Khil S, Jlassi I, Marques Cardoso A J, et al. Diagnosis of open-switch and current sensor faults in PMSM drives through stator current analysis[J]. IEEE Transactions on Industry Applications, 2019, 55(6): 5925-5937.

[24] Duan Pan, Xie Kaigui, Zhang Li, et al. Open-switch fault diagnosis and system reconfiguration of doubly fed wind power converter used in a microgrid[J]. IEEE Transactions on Power Electronics, 2011, 26(3): 816-821.

[25] Zhao Hongshan, Cheng Liangliang. Open switch fault diagnostic method for back to back converters of doubly fed wind power generation system[J]. IEEE Transactions on Power Electronics, 2018, 33(4): 3452-3461.

[26] 賀益康, 胡家兵, 徐烈. 并網(wǎng)雙饋異步風力發(fā)電機運行控制[M]. 北京: 中國電力出版社, 2012.

[27] Wu R, Dewan S B, Slemon G R. Analysis of an AC-to-DC voltage source converter using PWM with phase and amplitude control[J]. IEEE Transactions on Industry Applications, 1991, 27(2): 355-364.

[28] Li Yongbo, Xu Minqiang, Wei Yu, et al. Health condition monitoring and early fault diagnosis of bearings using SDF and intrinsic characteristic- scale decomposition[J]. IEEE Transactions on Instru- mentation and Measurement, 2016, 65(9): 2174-2189.

[29] Flynn T, Yoo S. Change detection with the kernel cumulative sum algorithm[C]//IEEE 58th Conference on Decision and Control (CDC), France, Nice, 2019: 6092-6099.

[30] 李輝, 胡玉, 柴兆森, 等. 隨機風載荷對雙饋風電機組軸系扭振響應(yīng)分析[J]. 太陽能學報, 2020, 41(5): 180-187.

Li Hui, Hu Yu, Chai Zhaosen, et al. Analysis on shaft torsional vibration responses of doubly fed induction generators under stochastic wind load[J]. Acta Energiae Solaris Sinica, 2020, 41(5): 180-187.

Comprehensive Diagnosis of Open-Circuit Fault for Power Devices of Doubly-Fed Wind Power Converter Based on the Features of Voltage and Current

Li Hui1Yang Tian1Tan Hongtao1Zhou Zhiting1Zheng Jie1,2

（1. State Key Laboratory of Power Transmission Equipment & System Security and New Technology Chongqing University Chongqing 400044 China 2. CSSC (Chongqing) Haizhuang Windpower Equipment Co. Ltd Chongqing 400021 China）

Open-circuit fault monitoring and identification for power converter devices are of the utmost importance for improving the intelligence operations for doubly-fed wind power system. Aiming at the problems that the existing diagnosis methods are difficult to achieve fault monitoring and identification simultaneously for power devices based on the converter voltage or current single feature and fixed threshold, a comprehensive diagnosis method of fault monitoring based on converter DC-bus voltage and fault identification based on the rotor current is proposed. First of all, theoretical analysis of the influence of power device failure of the converter on the DC-bus voltage. According to the cumulative sum (CUSUM) algorithm, an open-circuit fault monitoring method of power devices based on the feature of DC-bus voltage is put forward. Secondly, in view of the non-stationary characteristic and fixed threshold of the rotor current, a fault identification method based on the normalized output current average value and absolute average value as the fault feature and adaptive threshold is presented. Finally, to verifythe effectiveness of the proposed method with the different power devices open-circuit faults simulation, and the robustness is validated by the scenes of stochastic wind and grid voltage drop. At the same time, the accuracy of the simulation analysis is verified by testing the typical open-circuit fault of the power device. The simulation and experimental results show that, the proposed method could accurately realize the comprehensive diagnosis of the power converter devices open- circuit fault.

Doubly-fed wind power converter, power device open-circuit fault, cumulative sum algorithm, adaptive threshold, comprehensive fault diagnosis

10.19595/j.cnki.1000-6753.tces.L90287

TM46

李 輝 男，1973年生，教授，博士生導(dǎo)師，研究方向為風電發(fā)電技術(shù)，新型電機及系統(tǒng)分析，功率器件可靠性。E-mail：cqulh@163.com（通信作者）

楊 甜 女，1995年生，碩士研究生，研究方向為風電變流器故障診斷與容錯控制。E-mail：yt_0727_6080@163.com

國家高技術(shù)船舶科研項目（MC-202025-S02）、國家自然科學基金重點項目（U1966213）和重慶市技術(shù)創(chuàng)新與應(yīng)用發(fā)展專項（cstc2019jscx-msxmX0004）資助。

2020-07-09

2021-03-05

（編輯 赫 蕾）