許水清 陶松兵 何怡剛 柴 毅

基于相電流瞬時頻率估計的永磁直驅(qū)風(fēng)電變流器開路故障診斷

許水清1陶松兵1何怡剛1柴 毅2

（1. 合肥工業(yè)大學(xué)電氣與自動化工程學(xué)院 合肥 230009 2. 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 400044）

為了提高永磁直驅(qū)式風(fēng)電變流器的穩(wěn)定性和可靠性，該文針對風(fēng)電變流器功率管單管和雙管故障，提出一種基于相電流瞬時頻率估計的開路故障診斷方法。該方法首先提出一種基于加權(quán)滑動Hilbert變換的相電流瞬時頻率估計方法，然后通過歸一化的相電流瞬時頻率殘差來構(gòu)造新的故障檢測變量檢測故障的發(fā)生；其次提出基于改進(jìn)相電流均值法的多功率管開路故障定位方法實現(xiàn)故障功率管的定位。該文提出的故障診斷方法能夠同時實現(xiàn)機側(cè)和網(wǎng)側(cè)的21種開路故障診斷，且避免增加額外的傳感器，無需使用Park矢量變換和大量故障樣本，故障特征更為顯著、魯棒性強。實驗結(jié)果驗證了所提故障診斷算法的有效性和魯棒性。

風(fēng)電變流器 開路故障 永磁直驅(qū)式風(fēng)電系統(tǒng) 瞬時頻率估計 加權(quán)滑動Hilbert變換

0 引言

隨著化石資源短缺和環(huán)境污染問題日益嚴(yán)峻，風(fēng)能作為一種清潔的可再生能源受到全世界的重視，因此，風(fēng)力發(fā)電得到迅猛的發(fā)展。永磁直驅(qū)式風(fēng)力發(fā)電機組由于取消了沉重的增速齒輪箱，具有高效率、低噪聲、長壽命、機組體積小、運行維護(hù)成本低等諸多優(yōu)點，獲得了越來越多的關(guān)注[1]。

在永磁直驅(qū)風(fēng)電系統(tǒng)中，采用由電力電子器件構(gòu)成的雙脈沖寬度調(diào)制（Pulse Width Modulation, PWM）變流器實現(xiàn)全功率并網(wǎng)。然而由于工作環(huán)境大多比較惡劣，風(fēng)電機組的安全運行遭受了嚴(yán)重的威脅。統(tǒng)計數(shù)據(jù)表明，風(fēng)電機組中的變流器故障率最高，其主要故障是功率器件絕緣柵雙極型晶體管（Insulated Gate Bipolar Transistor, IGBT）的開路故障[2-3]。因此，IGBT開路故障診斷是風(fēng)電變流器系統(tǒng)實現(xiàn)可靠運行的前提，研究風(fēng)電變流器的功率管開路故障診斷對風(fēng)電系統(tǒng)安全運行至關(guān)重要。

目前，變流器開路的故障診斷方法從檢測變量上主要分為基于電壓量的診斷方法和基于電流量的診斷方法[4]。基于電壓量的故障診斷方法是利用變流器輸出的電壓波形或結(jié)合變流器機理來進(jìn)行故障檢測和定位[5-6]。如文獻(xiàn)[7]利用變流器正常狀態(tài)和故障情況下線電壓的偏差來進(jìn)行故障檢測和定位。文獻(xiàn)[8]提出基于變流器電壓解析模型的功率管開路故障診斷方法。文獻(xiàn)[9]根據(jù)建立的輸出線電壓包絡(luò)線函數(shù)和診斷函數(shù)，利用線電壓包絡(luò)線和故障特征參數(shù)，實現(xiàn)功率管開路故障的檢測和定位?；陔妷毫康脑\斷方法，其診斷時間相對短、可靠性較高，但依賴于模型的準(zhǔn)確度，需要額外的硬件，實現(xiàn)難度較高，且閾值關(guān)聯(lián)性較低。

基于電流的診斷方法是利用相電流，經(jīng)過坐標(biāo)變換、信號處理或模式識別等技術(shù)進(jìn)行故障檢測和故障定位，由于無需附加額外的硬件，容易實現(xiàn)，已成為目前最廣泛使用的變流器故障診斷方法[2, 4]。如文獻(xiàn)[10]提出電流Park矢量法實現(xiàn)變流器開路故障檢測和定位，但基于Park矢量軌跡的故障診斷，必須結(jié)合復(fù)雜的模式識別方法才能實現(xiàn)，不利于算法集成。文獻(xiàn)[11]提出基于歸一化相電流平均法的開路故障檢測方法，然而在定位故障開關(guān)時判斷邏輯不夠嚴(yán)謹(jǐn)。文獻(xiàn)[12]提出一種Park矢量斜率法的變流器故障診斷方法，該方法利用Park變換對dq電流進(jìn)行歸一化處理，通過設(shè)置下限閾值實現(xiàn)IGBT開路故障檢測。在文獻(xiàn)[12]的基礎(chǔ)上，文獻(xiàn)[13-14]也提出了一種改進(jìn)的電流Park矢量斜率法，其檢測思路基本與文獻(xiàn)[12]一致。區(qū)別在于，文獻(xiàn)[13]中的仿真模型是通過串入單向二極管來模擬開路故障；文獻(xiàn)[14]中的診斷對象是三相電壓源逆變器。但是文獻(xiàn)[12-14]都只能診斷和定位單管故障或單相故障，無法診斷異相兩管開路故障。同樣基于Park變換對相電流進(jìn)行歸一化，文獻(xiàn)[15]利用歸一化相電流和絕對歸一化相電流的均值來構(gòu)造故障檢測變量，提出一種風(fēng)電變流器開路故障自適應(yīng)檢測和定位方法。文獻(xiàn)[16-17]則分別利用歸一化電流的殘差構(gòu)造不同的故障診斷變量來實現(xiàn)故障檢測。這些故障診斷方法直接利用歸一化相電流構(gòu)造故障檢測變量，故障特征易受干擾。除此之外，文獻(xiàn)[18]提出結(jié)合小波與Concordia變換的逆變器功率管故障診斷方法，該方法首先利用小波分解與Concordia變換得到電流的運行軌跡，提取故障特征，然后采用故障字典和支持向量機進(jìn)行故障分類。文獻(xiàn)[19-23]分別利用不同的相電流預(yù)處理方法獲取故障特征，然后采用神經(jīng)網(wǎng)絡(luò)實現(xiàn)故障檢測和定位。但是這些基于信號處理和模式識別的故障檢測方法，算法復(fù)雜度較高，且需要大量的故障樣本。除此之外，文獻(xiàn)[24]提出了基于電流滯環(huán)控制的逆變器開路故障診斷及容錯控制。文獻(xiàn)[25]通過建立三相逆變器電路狀態(tài)空間模型，構(gòu)造三相逆變器電流觀測器來實現(xiàn)開路故障在線診斷。然而這些方法需要建立精確的模型和狀態(tài)觀測器，復(fù)雜度較高。

此外，目前這些方法大多針對逆變器的開路故障診斷，而風(fēng)電變流器包括機側(cè)整流器和網(wǎng)側(cè)逆變器，機側(cè)整流器的開路故障特性與網(wǎng)側(cè)逆變器的開路故障特性相比，故障特性不明顯，故障診斷難度更大，使得現(xiàn)有的逆變器故障診斷方法難以同時適用于機側(cè)整流器和網(wǎng)側(cè)逆變器。因此，本文根據(jù)現(xiàn)有風(fēng)電變流器開路故障診斷方法的不足之處，提出了一種基于相電流瞬時頻率估計的開路故障診斷方法。首先提出一種基于加權(quán)滑動Hilbert變換的相電流瞬時頻率估計方法；其次利用歸一化的相電流瞬時頻率殘差來構(gòu)造檢測變量檢測故障的發(fā)生；然后提出瞬時頻率與相電流均值相結(jié)合的故障功率管定位方法。該故障診斷算法有如下優(yōu)點：①提出新的故障檢測方法：利用變流器相電流的瞬時頻率來構(gòu)造故障檢測變量，故障特征更為顯著，無需使用Park矢量變換和增加額外硬件配置，且歸一化的檢測變量，簡化了檢測閾值的設(shè)置，避免了智能算法對大量訓(xùn)練樣本的需求；②提出基于改進(jìn)相電流均值法的多功率管開路故障定位方法：能夠同時實現(xiàn)機側(cè)整流器和網(wǎng)側(cè)逆變器各21種故障定位，提出的定位變量在線快速更新算法，減少了計算量；③提出新的瞬時頻率估計算法：利用加權(quán)滑動Hilbert變換能夠消除“端點”效應(yīng)，實現(xiàn)相電流瞬時頻率的在線平滑估計，故障特征更為精細(xì)。實驗結(jié)果驗證了該故障診斷算法的有效性和魯棒性。

1 永磁直驅(qū)風(fēng)電變流器開路故障分析

永磁直驅(qū)風(fēng)力發(fā)電系統(tǒng)拓?fù)浣Y(jié)構(gòu)如圖1所示，采用兩個背靠背電壓源變流器將永磁直驅(qū)電機與電網(wǎng)連接。機側(cè)變流器和網(wǎng)側(cè)變流器分別實現(xiàn)整流與逆變功能，每個變流器都包括6個帶有反并聯(lián)二極管的IGBT。常見的變流器開路故障主要有單管開路故障和雙管開路故障。在本小節(jié)，以機側(cè)S1開路故障和網(wǎng)側(cè)R1開路故障為例，分析變流器的開路 故障。

圖1 永磁直驅(qū)風(fēng)力發(fā)電系統(tǒng)拓?fù)浣Y(jié)構(gòu)

圖2和圖3分別給出了當(dāng)S1發(fā)生故障時的機側(cè)三相電流和R1發(fā)生故障時的網(wǎng)側(cè)三相電流。從圖2中可以看出，當(dāng)S1開路故障發(fā)生時，機側(cè)a, b, c三相電流出現(xiàn)了不同程度的畸變，不再是標(biāo)準(zhǔn)的三相正弦波，其中，a相畸變較為顯著。而在圖3中，當(dāng)R1發(fā)生開路故障時，網(wǎng)側(cè)a, b, c三相電流都出現(xiàn)了較為嚴(yán)重的畸變，特別地，a相電流在故障發(fā)生后上半波完全消失。通過分析可知，相比網(wǎng)側(cè)功率管開路故障，機側(cè)功率管開路的故障特性不明顯，使得故障診斷難度更大。目前大多數(shù)針對逆變器的功率管開路診斷方法難以同時適用于變流器機側(cè)和網(wǎng)側(cè)開路故障診斷。

圖2 S1故障時的機側(cè)三相電流

圖3 R1故障時的網(wǎng)側(cè)三相電流

2 變流器故障診斷方法

通過風(fēng)電變流器開路故障分析可知，當(dāng)風(fēng)電變流器正常運行時，電機側(cè)電流和電網(wǎng)側(cè)電流都是正弦波，而風(fēng)電變流器發(fā)生開路故障時，三相電流中出現(xiàn)直流分量，正弦特性消失。頻率作為正弦波參數(shù)中最為重要且最能反映波形本質(zhì)特征的參數(shù)之一，能夠很好地反映故障發(fā)生時相電流的變化。因此，本文利用相電流瞬時頻率來構(gòu)造故障檢測變量，提出一種新的永磁直驅(qū)風(fēng)電變流器開路故障診斷方法，故障特征更為顯著，可靠性更高。本文所提出的風(fēng)電變流器實時開路故障診斷方法的原理如圖4所示，主要包括瞬時頻率估計、故障檢測和故障定位。

圖4 故障診斷原理

2.1 基于加權(quán)滑動Hilbert變換的電流瞬時頻率估計

其中

由式（1）可知，Hilbert變換是一類特殊的卷積運算。在工程應(yīng)用中，Hilbert變換的快速算法是借助離散傅里葉變換或快速傅里葉變換實現(xiàn)卷積運算，其會造成在數(shù)據(jù)段端點處出現(xiàn)混疊及泄露效應(yīng)等，造成端點信號失真，即為著名的端點效應(yīng)[27]。因此，傳統(tǒng)的瞬時頻率計算方法會導(dǎo)致頻率失真，難以估計出信號的真實頻率。端點效應(yīng)的抑制一直是信號處理中的重點和熱點問題，目前端點效應(yīng)抑制的方法大致可分為極值延拓法、波形延拓法、數(shù)據(jù)預(yù)測延拓法三種。然而，極值延拓法難以準(zhǔn)確反映信號的真實趨勢，波形延拓法計算耗時過長，數(shù)據(jù)預(yù)測延拓法模型復(fù)雜、參數(shù)不確定，這些不足限制了其應(yīng)用范圍，端點效應(yīng)問題仍待解決。

為了克服端點效應(yīng)和彌補現(xiàn)有方法的不足，本文利用基于滑動窗規(guī)則的加權(quán)滑動Hilbert變換算法。首先，利用滑動窗截取連續(xù)采樣信號，并對每一個滑動窗內(nèi)數(shù)據(jù)進(jìn)行Hilbert變換，得到每個滑動窗內(nèi)的信號瞬時頻率結(jié)果。然后，利用離散高斯序列，對每個滑動窗內(nèi)瞬時頻率結(jié)果進(jìn)行加權(quán)運算。最后，將不同滑動窗內(nèi)的相同采樣點加權(quán)結(jié)果進(jìn)行求和，即得到相應(yīng)原始信號的最終瞬時頻率估計結(jié)果。加權(quán)滑動Hilbert變換算法通過滑動窗及加權(quán)運算處理，顯著消除經(jīng)典Hilbert中存在的端點效應(yīng)，算法實現(xiàn)簡單有效。加權(quán)滑動Hilbert變換原理如圖5所示。

圖5 加權(quán)滑動Hilbert變換原理

為了形象說明Hilbert變換中的端點效應(yīng)并驗證加權(quán)滑動Hilbert變換的有效性，圖6以單位幅值且頻率為50Hz的正弦波為例，圖6b和圖6c分別給出了利用Hilbert變換估計出的瞬時頻率和利用加權(quán)滑動Hilbert變換估計出的瞬時頻率。可以看出，基于Hilbert變換的瞬時頻率端點效應(yīng)顯著，而基于加權(quán)滑動Hilbert變換的瞬時頻率不受端點效應(yīng)的影響，準(zhǔn)確估計出正弦波的瞬時頻率。

圖6 加權(quán)滑動Hilbert和Hilbert對比

2.2 故障檢測方法

為了消除變風(fēng)速擾動對檢測特征量的影響，首先利用理論瞬時頻率對加權(quán)滑動Hilbert變換估計的瞬時頻率進(jìn)行歸一化，然后構(gòu)造網(wǎng)側(cè)和機側(cè)瞬時頻率殘差分別為

其中

2.3 故障定位方法

在實現(xiàn)基于相電流瞬時頻率的開路故障檢測后，本節(jié)提出基于改進(jìn)相電流均值法的多功率管開路故障定位方法。該方法能夠同時實現(xiàn)機側(cè)和網(wǎng)側(cè)各21種開路故障定位；且提出了定位變量在線快速更新算法，減少了計算量；此外，該方法直接對三相電流進(jìn)行分析，避免了額外的Park矢量變換等操作，計算簡單，易于實現(xiàn)。

結(jié)合故障檢測變量和故障定位變量，本文提出的永磁直驅(qū)式風(fēng)電變流器故障診斷算法可以表示為

式中，-1為相下橋臂功率管發(fā)生開路故障；1為相上橋臂功率管發(fā)生開路故障；2為相上下橋臂功率管都發(fā)生開路故障；0為相功率管正常。根據(jù)永磁直驅(qū)風(fēng)電變流器的拓?fù)浣Y(jié)構(gòu)，本文所提的故障診斷算法能檢測定位21種網(wǎng)側(cè)變流器開路故障和21種機側(cè)變流器開路故障。以機側(cè)變流器為例，表1給出21種機側(cè)變流器功率管開路故障的診斷定位，表1同樣適用于網(wǎng)側(cè)變流器。

表1 機側(cè)變流器故障診斷

圖7進(jìn)一步給出故障診斷方法的流程，本文提出的故障診斷方法主要分為三步：首先利用電流瞬時頻率特征實現(xiàn)故障檢測；其次利用電流周期均值特征實現(xiàn)故障定位；最后結(jié)合故障檢測變量和故障定位變量，實現(xiàn)變流器故障診斷。在故障檢測算法中，首先利用加權(quán)滑動Hilbert變換估計出相電流的瞬時頻率；然后利用理論瞬時頻率對加權(quán)滑動Hilbert變換估計的瞬時頻率進(jìn)行歸一化來構(gòu)造瞬時頻率殘差；最后利用瞬時頻率殘差構(gòu)造故障檢測變量。在故障定位算法中，首先計算相電流周期內(nèi)采樣點數(shù)；然后計算相電流周期均值；最后利用在線快速更新算法獲得故障定位變量。

圖7 故障診斷流程

3 仿真與實驗驗證

為了驗證本文所提出的故障診斷與定位方法，利用實驗室搭建的5kW永磁直驅(qū)式風(fēng)力發(fā)電系統(tǒng)作為實驗測試平臺進(jìn)行實驗驗證。實驗平臺如圖8所示。在實驗平臺中，控制板與仿真平臺下的Matlab/Simulink連接，并利用三相異步電機的輸入轉(zhuǎn)矩代表風(fēng)力大小。實驗中的永磁直驅(qū)風(fēng)力發(fā)電機主要參數(shù)見表2。由于本文提出的方法對網(wǎng)側(cè)變流器和機側(cè)變流器開路故障都適用，所以在實驗中，分別選取網(wǎng)側(cè)和機側(cè)功率管開路。

圖8 實驗平臺

表2 永磁直驅(qū)發(fā)電機主要參數(shù)

3.1 機側(cè)變流器S1功率管開路故障診斷

圖9給出機側(cè)變流器S1功率管開路故障的診斷結(jié)果?？梢钥闯?，當(dāng)變流器沒有發(fā)生故障時，機側(cè)三相電流為正弦波，診斷變量和定位變量都幾乎為0。當(dāng)系統(tǒng)在S1功率管開路故障下運行時，可以看出，機側(cè)三相電流出現(xiàn)畸變，故障檢測變量a超過檢測閾值d，檢測時間為51.3%電流周期。b和c雖然也發(fā)生改變，但未超過檢測閾值，表明a相發(fā)生故障。與此同時，故障定位變量在故障發(fā)生后50.1%電流周期，故障定位變量m小于檢測閾值-p，表明a相上橋臂發(fā)生故障，故障檢測標(biāo)志a從0到1，即表明S1功率管發(fā)生了開路故障。

圖9 S1開路故障診斷的實驗結(jié)果

3.2 機側(cè)變流器S1、S2功率管開路故障診斷

為了驗證故障診斷算法對單相開路故障的有效性，圖10給出機側(cè)變流器S1、S2功率管開路故障診斷的結(jié)果。從實驗結(jié)果可以看出，當(dāng)S1功率管開路故障發(fā)生時，故障檢測變量a大于檢測閾值，故障定位變量a小于設(shè)定的閾值-p，故障檢測時間和定位時間約為50%電流周期，故障診斷標(biāo)志a變?yōu)?，表明功率管S1發(fā)生開路故障。當(dāng)S2功率管出現(xiàn)開路故障，可以看出，故障檢測變量a繼續(xù)大于檢測閾值，而定位變量a則變化到p～-p之間，根據(jù)式（15），故障診斷標(biāo)志a由1變?yōu)?，表明a相出現(xiàn)單相故障，即S1、S2同時發(fā)生開路故障。

圖10 S1和S2開路故障診斷的實驗結(jié)果

3.3 網(wǎng)側(cè)變流器R1、R4功率管開路故障診斷

為了驗證本文所提的算法同樣適用網(wǎng)側(cè)變流器，圖11給出網(wǎng)側(cè)變流器R1、R4功率管開路故障診斷的結(jié)果。在實驗中，R1功率管和R4功率管分別發(fā)生開路故障?？梢钥闯觯?dāng)R1功率管開路故障發(fā)生時，網(wǎng)側(cè)三相電流發(fā)生畸變，故障檢測變量a大于設(shè)定的閾值d，故障檢測時間為57.6%電流周期，故障定位變量a也小于設(shè)定的閾值-p，故障診斷標(biāo)志a變?yōu)?，表明功率管R1發(fā)生開路故障。當(dāng)R4功率管發(fā)生開路故障時，可以看出，故障檢測變量b大于設(shè)定的閾值d，故障檢測時間為55.1%電流周期，故障定位變量b也大于設(shè)定的閾值p，故障診斷標(biāo)志b變?yōu)?1，表明功率管R4發(fā)生開路故障。從實驗結(jié)果可以看出，該方法同樣能夠有效檢測和定位網(wǎng)側(cè)逆變器開路故障。

圖11 R1和R4開路故障診斷的實驗結(jié)果

3.4 風(fēng)速突變時的魯棒性驗證

風(fēng)速突變或電網(wǎng)電壓跌落等都會導(dǎo)致系統(tǒng)電流發(fā)生變化，為了驗證本文所提的故障診斷算法的魯棒性與可靠性，能夠避免干擾引起的故障誤報，圖12給出風(fēng)速突變時機側(cè)和網(wǎng)側(cè)的故障診斷結(jié)果。圖中，電機轉(zhuǎn)速在從1 038r/min變到817r/min，然后又變回1 038r/min。從實驗結(jié)果可以看出，在電機轉(zhuǎn)速沒有變化之前，機側(cè)故障檢測變量和網(wǎng)側(cè)故障檢測變量幾乎都為0，當(dāng)電機轉(zhuǎn)速發(fā)生改變時，機側(cè)和網(wǎng)側(cè)檢測變量雖然有一定的波動，但遠(yuǎn)離故障檢測閾值，不會發(fā)生故障誤報。因此，實驗結(jié)果表明該方法對風(fēng)速突變等干擾具有魯棒性，檢測穩(wěn)定性高。

圖12 變風(fēng)速下故障檢測結(jié)果

3.5 診斷方法對比分析

為了進(jìn)一步說明本文方法的有效性，本節(jié)把本文方法與文獻(xiàn)[7, 12-14, 18, 23]中診斷方法進(jìn)行對比。首先在檢測時間和定位時間上，文獻(xiàn)[7]只驗證了線電壓誤差法的診斷有效性，未進(jìn)一步分析檢測時間和定位時間。文獻(xiàn)[12]提出的Park矢量斜率法的檢測時間和定位時間約在10%～50%電流周期。文獻(xiàn)[13]提出的改進(jìn)Park矢量斜率法的檢測時間和定位時間在50%電流周期左右。文獻(xiàn)[14]提出的電流矢量特征法，其故障檢測時間在10%～60%電流周期，故障定位時間在15%～65%電流周期。文獻(xiàn)[18, 23]分別采用了支持向量機分類器和BP神經(jīng)網(wǎng)絡(luò)等智能算法進(jìn)行故障診斷分類，其故障診斷時間大于一個電流周期。故障檢測時間和定位時間除了受檢測算法和定位算法固有時間影響外，由于變流器開路故障對電流的影響可能在故障發(fā)生后下一個電流半波周期中出現(xiàn)，在這種情況下，也會引入最多50%電流周期的時間延遲。從實驗結(jié)果可知，與其他方法相比，盡管本文所提的方法能夠同時診斷機側(cè)和網(wǎng)側(cè)各21種故障，故障診斷能力更強，但本文所提診斷方法的檢測和定位最長時間仍小于60%電流周期，診斷時間少于一個電流周期，診斷速度較快，能夠滿足風(fēng)電變流器應(yīng)用場合的需求。

表3 診斷方法對比

表3進(jìn)一步給出了不同指標(biāo)的對比，可知，文獻(xiàn)[7]選取線電壓構(gòu)造故障診斷變量，需要一定的額外電壓傳感器，且只能診斷機側(cè)和網(wǎng)側(cè)6種單管故障。文獻(xiàn)[12-13]利用Park矢量斜率作為故障特性量，需要先對三相電流進(jìn)行Park變換，然后計算電流的Park矢量相位的導(dǎo)數(shù)，計算較為復(fù)雜，且文獻(xiàn)[12]只能診斷機側(cè)和網(wǎng)側(cè)6種單管故障，3種網(wǎng)側(cè)單相故障。文獻(xiàn)[13]同樣也只能診斷機側(cè)和網(wǎng)側(cè)6種單管故障。文獻(xiàn)[14]提出的電流矢量特征分析法，需要先對三相電流進(jìn)行Concordia變換，然后計算電流矢量瞬時頻率，構(gòu)造故障檢測變量，能夠診斷逆變器的6種單管故障和3種單相故障。文獻(xiàn)[18]先對電流信號進(jìn)行小波分析，然后對小波分解的粗系數(shù)進(jìn)行Concordia變換，獲取電流軌跡進(jìn)行故障檢測，該方法能夠診斷6種單管故障，且利用故障字典和支持向量機分類器進(jìn)行故障分類，需要較多的數(shù)據(jù)量。并且文獻(xiàn)[14, 18]所提的方法針對逆變器開路故障診斷，難以同時適用于變流器機側(cè)和網(wǎng)側(cè)診斷。文獻(xiàn)[23]利用電流小波變換提取的時頻特征構(gòu)造故障檢測變量，該方法雖然能夠?qū)崿F(xiàn)機側(cè)和網(wǎng)側(cè)21種故障診斷，但基于小波變換提取的故障特征須利用神經(jīng)網(wǎng)絡(luò)進(jìn)行故障分類，需要大量的數(shù)據(jù)。而本文提出的方法直接利用電流的瞬時頻率來構(gòu)造故障檢測變量，無需使用Park矢量變換和增加額外硬件配置，且歸一化的檢測變量，簡化了檢測閾值的設(shè)置，避免了智能算法對大量訓(xùn)練樣本的需求，故障特征更為顯著，能夠同時檢測和定位機側(cè)和網(wǎng)側(cè)21種故障。因此，本文所提的故障診斷方法易于實現(xiàn)，且能更全面地診斷變流器故障。

4 結(jié)論

本文針對永磁直驅(qū)式風(fēng)電變流器的開路故障，利用相電流的瞬時頻率特性，提出一種基于相電流瞬時頻率估計的開路故障診斷方法。首先為了實現(xiàn)相電流瞬時頻率的在線平滑估計，提出一種基于加權(quán)滑動Hilbert變換的估計方法以消除端點效應(yīng)。其次利用歸一化的相電流瞬時頻率殘差來構(gòu)造新的檢測變量檢測故障的發(fā)生。然后提出基于改進(jìn)相電流均值法的多功率管開路故障定位方法實現(xiàn)故障功率管的定位。此外，還提出檢測變量和定位變量的在線快速更新算法，降低計算量。該方法避免額外的附加硬件，故障特征更為顯著，且無需使用Park矢量變換和大量故障樣本。仿真和實驗驗證了本文所提故障診斷算法的有效性和魯棒性。

[1] 李輝, 胡玉, 王坤, 等. 考慮雜散電感影響的風(fēng)電變流器IGBT功率模塊動態(tài)結(jié)溫計算及熱分布[J]. 電工技術(shù)學(xué)報, 2019, 34(20): 4242-4250.

Li Hui, Hu Yu, Wang Kun, et al. Thermal distribution and dynamic junction temperature calculation of IGBT power modules for wind turbine converters considering the influence of stray inductances[J]. Transactions of China Electrotechnical Society, 2019, 34(20): 4242-4250.

[2] 姚芳, 胡癢, 唐圣學(xué), 等. 風(fēng)電變流器IGBT模塊工作結(jié)溫估算研究[J]. 電機與控制學(xué)報, 2018, 22(8): 26-33.

Yao Fang, Hu Yang, Tang Shengxue, et al. Research on the junction temperature estimation of IGBT modules in wind power converters[J]. Electric Machines and Control, 2018, 22(8): 26-33.

[3] 李輝, 劉盛權(quán), 冉立, 等. 大功率并網(wǎng)風(fēng)電機組變流器狀態(tài)監(jiān)測技術(shù)綜述[J]. 電工技術(shù)學(xué)報, 2016, 31(8): 1-10.

Li Hui, Liu Shengquan, Ran Li, et al. Overview of condition monitoring technologies of power con- verter for high power grid-connected wind turbine generator system[J]. Transactions of China Electro- technical Society, 2016, 31(8): 1-10.

[4] 安群濤, 孫力, 孫立志, 等. 三相逆變器開關(guān)管故障診斷方法研究進(jìn)展[J]. 電工技術(shù)學(xué)報, 2011, 26(4): 135-144.

An Quntao, Sun Li, Sun Lizhi, et al. Recent developments of fault diagnosis methods for switches in three-phase inverters[J]. Transactions of China Electrotechnical Society, 2011, 26(4): 135-144.

[5] 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.

[6] 安群濤, 孫力, 趙克, 等. 基于開關(guān)函數(shù)模型的逆變器開路故障診斷方法[J]. 中國電機工程學(xué)報, 2010, 30(6): 1-6.

An Quntao, Sun Li, Zhao Ke, et al. Diagnosis method for inverter open-circuit fault based on switching function model[J]. Proceedings of the CESS, 2010, 30(6): 1-6.

[7] 杭俊, 張建忠, 程明, 等. 基于線電壓誤差的永磁直驅(qū)風(fēng)電系統(tǒng)變流器開路故障診斷[J]. 中國電機工程學(xué)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 gen- eration systems based on line voltage errors[J]. Proceedings of the CESS, 2017, 37(10): 2933-2943.

[8] Ribeiro R L A, Jacobina C B, Silva E R C, et al. Fault detection of open-switch damage in voltage-fed PWM motor drive systems[J]. IEEE Transactions on Power Electronics, 2003, 18(2): 587-593.

[9] 陳高華, 成庶, 向超群. 非侵入式逆變器功率管開路故障診斷方法[J]. 中國電機工程學(xué)報, 2017, 37(13): 3854-3862.

Chen Gaohua, Cheng Shu, Xiang Chaoqun, et al. A non-intrusive diagnostic technique for open-circuited faults of inverters[J]. Proceedings of the CESS, 2017, 37(13): 3854-3862.

[10] Mendes A M S, Cardoso A J M. Voltage source inverter fault diagnosis in variable speed AC drives, by the average current Park’s vector approach[C]// IEEE International Electric Machines and Drives Conference, London, UK, 1999: 704-706.

[11] Estima J O, Cardoso A M. A new approach for real-time multiple open-circuit fault diagnosis in voltage-source inverters[J]. IEEE Transactions on Industry Applications, 2011, 47(6): 2487-2494.

[12] Freire N M A, Estima J O, Cardoso A J M. Open-circuit fault diagnosis in PMSG drives for wind turbine applications[J]. IEEE Transactions on Indu- strial Electronics, 2012, 60(9): 3957-3967.

[13] 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(xué)報, 2015, 30(16): 129-136.

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): 129-136.

[14] 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(xué)報, 2018, 33(4): 883-891.

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

[15] 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.

[16] 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.

[17] Zhang Jianghan, Zhao Jin, Zhou Dehong, et al. High- performance fault diagnosis in PWM voltage-source inverters for vector-controlled induction motor drives[J]. IEEE Transactions on Power Electronics, 2014, 29(11): 6087-6099.

[18] 崔江, 王強, 龔春英. 結(jié)合小波與Concordia變換的逆變器功率管故障診斷技術(shù)研究[J]. 中國電機工程學(xué)報, 2015, 35(12): 194-200.

Cui Jiang, Wang Qiang, Gong Chunying. Inverter power switch fault diagnosis technique research based on wavelet and Concordia transform[J]. Pro- cessing of the CESS, 2015, 35(12): 194-200.

[19] 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(xué)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 Electro- technical Society, 2016, 31(17): 102-112.

[20] 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(xué)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.

[21] Huang Zhanjun, Wang Zhanshan, Zhang Huaguang. Multiple open-circuit fault diagnosis based on multi- state data processing and subsection fluctuation analysis for photovoltaic inverter[J]. IEEE Transa- ctions on Instrumentation & Measurement, 2018,

67(3): 516-526.

[22] 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(xué)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.

[23] Zhang Jingxuan, Sun Hexu, Sun Zexian, et al. Fault diagnosis of wind turbine power converter considering wavelet transform, feature analysis, judgment and bp neural network[J]. IEEE Access, 2019, 7: 179799- 179809.

[24] 李凱迪, 陳特放, 成庶, 等. 基于電流滯環(huán)控制的逆變器開路故障診斷及容錯控制[J]. 電工技術(shù)學(xué)報, 2019, 34(2): 596-608.

Li Kaidi, Chen Tefang, Cheng Shu, et al. Open circuit fault diagnosis and failure-tolerant control for inverter with hysteresis current control[J]. Transa- ctions of China Electrotechnical Society, 2019, 34(2): 596-608.

[25] 陳勇, 張建建, 陳章勇. 基于電流觀測器的三相逆變電路開路故障在線診斷[J]. 電工技術(shù)學(xué)報, 2019, 34(2): 609-617.

Chen Yong, Zhang Jianjian, Chen Zhangyong. A current observer based on-line open-fault diagnosis for three-phase inverter[J]. Transactions of China Electrotechnical Society, 2019, 34(2): 609-617.

[26] Cizek V. Discrete Hilbert transform[J]. IEEE Transa- ctions on Audio and Electroacoustics, 1970, 18(4): 340-343.

[27] Deng Yongjun, Wang Wei, Qian Chengchun, et al. Boundary-processing-technique in EMD method and Hilbert transform[J]. Chinese Science Bulletin, 2011, 46(11): 76-83.

Open-Circuit Fault Diagnosis for Back-to-Back Converter of PMSG Wind Generation System Based on Estimated Instantaneous Frequency of Phase Current

1112

（1. College of Electrical Engineering and Automation Hefei University of Technology Hefei 230009 China 2. State Key Laboratory of Power Transmission Equipment and System Security and New Technology Chongqing 400044 China）

To improve the stability and reliability of wind turbine converters based on permanent magnet synchronous generator (PMSG), a new diagnosis method for multiple open-circuit faults based on the estimated instantaneous frequency of phase current is provided. In this method, the weighted sliding Hilbert transform is developed to estimate the instantaneous frequency of phase current firstly. Then, the normalized instantaneous frequency of phase current is used as the principle quantity to construct new diagnostic variables. Subsequently, by the extended average value method of phase current, the faulty IGBTs can be located. This method can diagnose 21 fault types of PMSG-side converters and gird-side converters simultaneously without using Park’s vector transformation and a large number of fault samples, while avoiding the additional sensors. Meanwhile, this method has more obvious fault features and strong robustness. The effectiveness and robustness of the proposed diagnosis method are verified by the experimental results.

Wind converters, open-circuit fault, permanent magnet synchronous generator (PMSG) based wind generation system, instantaneous frequency estimation, weighted sliding Hilbert transform

TM464

10.19595/j.cnki.1000-6753.tces.200775

國家重點研發(fā)計劃項目（2016YFF0102200）、國家自然科學(xué)基金重點項目（51637004）和國家自然科學(xué)基金項目（61803140, 51807044, 51577046, 51977153）資助。

2020-07-02

2020-08-15

許水清 男，1991年生，博士，副教授，主要研究方向為電氣設(shè)備的在線監(jiān)測與故障診斷。

E-mail: xsqanhui91@gmail.com

陶松兵 男，1991年生，博士，主要研究方向為風(fēng)力發(fā)電系統(tǒng)及其故障診斷。

E-mail: taosongbing@gmail.com（通信作者）

（編輯 崔文靜）