本發(fā)明屬于風電機組的在線故障診斷技術領域，涉及一種基于定子電流數據驅動的雙饋風電機組槳葉不平衡檢測方法。

背景技術：

風電機組的運行環(huán)境通常都比較惡劣，葉片更會因風沙、結冰等造成質量不平衡，特別是近年來機組容量的增大及低風速機組的推廣應用，使得葉片越來越長。葉輪的不平衡，包括氣動不平衡，易傳遞到傳動鏈，造成整機的振動加劇，嚴重時甚至導致事故的發(fā)生。

考慮到不同葉片的差異性、故障機理的復雜性，難以建立較準確地診斷模型。采用傳統(tǒng)類似固定閾值的判斷方法，因閾值的確定依賴經驗及少量試驗，難以滿足對不同風場、不同葉片的適應性。

目前風力發(fā)電機組槳葉不平衡的檢測可通過視頻分析、振動檢測、電信息等手段，但是這些方法大都需要增加設備，不僅成本大，而且可靠性不高、適應性較差。近來各研究機構及風機制造商也對槳葉不平衡進行了相關研究，以及公布了一些專利。如“葉輪不平衡故障的雙饋風力發(fā)電機定子電流診斷方法”，該方法對特征分量的提取需經二次求導重構定子電流和二次FFT運算，處理過程復雜。又如“一種雙饋風力發(fā)電機葉片不平衡在線故障診斷方法”，是對電功率進行處理，需要采集電壓和電流量，并且這些方法理論上可行，但工程上面對不同地域的風場、不同廠家的葉片、不同的風機運行工況，適應性較差。

技術實現要素：

為了克服已有雙饋風力發(fā)電機組葉片不平衡檢測方法在準確性、適應性方面的不足，本發(fā)明提供一種簡單易行、準確性良好、適用性較好的基于定子電流數據驅動的雙饋風電機組槳葉不平衡檢測方法。

本發(fā)明解決其技術問題所采用的技術方案是：

一種基于定子電流數據驅動的雙饋風電機組槳葉不平衡檢測方法，所述檢測方法包括如下步驟：

1)槳葉平衡條件下，采集多組機組恒轉速運行階段的定子相電流i_A和轉速r信息，并進行希爾伯特變換，得到幅值包絡信號，要求數據采集期間未進行變槳動作；

2)對步驟1中的包絡信號進行FFT變換，并根據發(fā)電機轉速r計算葉輪1倍轉頻f(1)；

3)根據步驟1)、2)的計算，得出葉輪1倍轉頻處的幅值大小，利用最小二乘法擬合出槳葉平衡時，1倍頻處幅值與定子相電流的關系曲線；

4)機組運行中，采集恒轉速運行期間定子相電流i_A和轉速r，并按照步驟1)和2)中方法計算出1倍頻的幅值Q(1)；

5)根據步驟4)中采集的電流，并結合步驟3)中擬合的曲線，計算出Q_base(1)；

6)比較Q(1)和Q_base(1)及offset的關系，若其滿足Q(1)>Q_base(1)+offset，則判斷不平衡存在，且根據差值大小給出不平衡程度，其中offset為殘差補償。

進一步，所述步驟1)中，所述的恒轉速運行階段，轉速方均根值在設定的合理范圍內，所述合理范圍為0-15之間。

再進一步，在步驟2)中，根據發(fā)電機轉速計算葉輪轉速1倍頻f(1)的方法如下：

式(1)中，r為發(fā)電機轉速，b為齒輪箱速比。

更進一步，在步驟3)中，采用最小二乘法進行曲線擬合，方法如下：

式中為待求函數，為某一函數類，a₀,a₁,…a_n為待求系數。

式中，P表示求得的數據與實際數據滿足誤差的平方和的最小值。

本發(fā)明的有益效果主要表現在：

1)本發(fā)明涉及的信息的提取無需增加新的設備，硬件成本較低；

2)因故障特征量本身很小，且不同工況下亦有不同。本發(fā)明通過擬合的方式，得出該條件下基準值，通過與基準值的比較得出診斷結論。進一步排除了噪聲的干擾，效果顯著，且通過誤差補償的方式，提高了檢測率。

附圖說明

圖1為本發(fā)明流程圖。

圖2為信號分析流程圖。

圖3為機組正常運行模式下的轉矩－轉速曲線。

圖4為槳葉平衡時發(fā)電機定子A相電流和轉速曲線。

圖5為槳葉平衡與不平衡時A相電流FFT分析對比曲線。

圖6為槳葉平衡與不平衡時Hilbert處理后頻譜對比曲線。

圖7為槳葉平衡與不平衡時特征幅值與相電流有效值關系。

圖8為三種槳葉狀態(tài)下，診斷結果的對比圖。

具體實施方式

下面結合附圖對本發(fā)明作進一步描述。

參照圖1～圖8，一種基于定子電流數據驅動的雙饋風電機組槳葉不平衡檢測方法，該方法步驟如下：

1)風電機組運行于恒轉速附近，且葉片平衡時采集定子相電流i_A和發(fā)電機轉速r。在葉片不平衡時，會在定子電流中有呈現，如以質量不平衡為例進行介紹。假設某一葉片在距輪轂R處增加了一質量塊m，此時的氣動轉矩可表示成：

式中T_m為風力機輸出轉矩，ω_m為葉輪轉速，為初始相位。

1.1)對(4)式，結合轉子運動方程，可以得到電磁轉矩中也含有振蕩分量。

式中T_e為發(fā)電機電磁轉矩，ΔT_e不平衡轉矩的幅值，為初始相位。

1.2)在電網電壓定向下，定子側發(fā)電機慣例、轉子側電動機慣例，進行坐標變換，可以得到dq坐標下電磁轉矩的表達式，進而可求得定子d軸電流i_sd。

式中，i_sd為d軸電流，Δi_sd為震蕩分量幅值，為初始相位。

1.3)在1.2)條件下，dq軸系下定子電壓方程和磁鏈可分別表示為式(7)和(8)，再有(6)式，可求出定子q軸電流。

1.4)由定子dq軸電流，根據坐標變換即可求出abc坐標系下的值i_A。

從式(10)中，可以看到不平衡時會在定子電流中產生f₁±f_m次的諧波分量。

中采集的數據進行Hilbert變換，對幅值包絡信號FFT處理。

對定子相電流i_A做Hilbert變換，得到變換之后的信號i_B，進一步得到解析信號Z(t)，對解析信號求幅值包絡A(t)

式中i_B(t)是i_A(t)的希爾伯特變換輸出值。

Z(t)＝i_A(t)+ji_B(t)(12)

式中Z(t)為解析函數。

式中A(t)為i_A的包絡幅值。

2)對步驟1中的包絡信號進行FFT變換，并根據發(fā)電機轉速r計算葉輪1倍轉頻f(1)；方法如下：

3)對包絡信號A(t)進行FFT變換得到頻譜信號，從中提取葉輪轉速的1倍頻幅值；利用最小二乘法擬合出槳葉平衡時，1倍頻處特征幅值與定子相電流的關系：

式中為待求函數，為某一函數類，a₀,a₁,…a_n為待求系數。

式中，P表示求得的數據與實際數據滿足誤差的平方和的最小值；

4)風機運行時，采集定子側相電流和轉速信息，按照步驟1)和2)中方法求出葉輪轉速1倍頻處特征幅值Q(1)；

5)根據步驟4)中采集的定子電流數據，結合步驟3)中擬合的結果，求出該工況下對應的基準幅值Q_base(1)。

6)比較Q(1)和Q_base(1)關系，若滿足Q(1)>Q_base(1)+offset，則判斷槳葉不平衡存在。

本實施例涉及的參數均可從風力發(fā)電機的現有傳感器中獲取，無需增加新設備，監(jiān)測成本低；

因故障特征量本身很小，且不同工況下亦有不同。本發(fā)明通過擬合的方式，得出該條件下基準值，通過與基準值的比較得出診斷結論。進一步排除了噪聲的干擾，效果顯著，且通過誤差補償的方式，提高了檢測率。

以某三槳葉的1.5MW雙饋風力發(fā)電機組為研究對象，機組運行于恒轉速階段時，即轉速為1750rpm附近，運行區(qū)域如圖3中所示，采集雙饋機組恒轉速運行附近的轉速和定子相電流并進行信號分析，電流和轉速時域波形如圖4所示。圖5是葉片平衡與不平衡時電流的頻域圖，可以明顯看到在頻率f＝50±0.275Hz處兩者的區(qū)別，葉片不平衡時該處幅值偏大。為了進一步消除噪聲、使特征量的提取更加準確，進行Hilbert變換，對幅值包絡FFT分析，頻譜如圖6所示。圖7是槳葉平衡與不平衡時特征幅值與定子A相電流的關系曲線，其中實線表示不平衡時，虛線表示平衡時，很明顯看到隨著定子側輸出功率的增加，特征幅值也明顯的增大。

需要說明的是，文中提到的恒轉速運行階段是指轉速在1700-1800rpm之間，且變槳未動作，若期間發(fā)生變槳，則故障信息的提取將變得更加困難，此時機組輸出接近額定功率。

現分別對下面三種情況進行試驗：葉片平衡時、人為設置某一葉片槳距角偏差2度、人為設置某一葉片槳距角偏差4度。分別在上述三種情況下，機組運行于恒轉速階段時，采集定子相電流和發(fā)電機轉速進行分析，需多采集平衡情況下的數據。

對上述三種實驗情況進行檢測分析，每種實驗情況采集8組數據，共24組數據，用本發(fā)明方法對24組數據進行分析，比較Q(1)和Q_base(1)及offset的大小，圖8為三種實驗情況的效果統(tǒng)計圖，橫坐標為數據組數，縱坐標為Q(1)與Q_base(1)和offset的差值。

圖8中最下面部分表示正常運行情況下的數據，中間部分表示人為設置單片槳葉槳距角偏差2度時的數據，上面部分表示人為設置單片槳葉槳距角偏差4度時的數據。從圖中可以看出，槳葉平衡時，其值小于或接近于零，不平衡時，其值大于零；且不平衡度越大時，其值也越大。于是，統(tǒng)計分析測試點的縱坐標位置即可得出對葉輪平衡性的判斷結論。針對不同的葉片，根據其結構和氣動設計的差異，以及考慮到最小二乘法中殘差的影響，應從理論分析和實測數據出發(fā)來選取合適的offset。

從大量的實驗數據中，得出正常情況時，Q(1)與Q_base(1)、offset差值小于零，槳葉不平衡時其差值大于零。因此本發(fā)明以判斷Q(1)與Q_bae(1)及offset的差值為判斷依據，即當其差值大于零時，可以判定槳葉不平衡存在，本發(fā)明的判定條件是基于大量實驗數據的，并不局限于該實例.

本發(fā)明通過雙饋風力發(fā)電機轉速和定子相電流對槳葉不平衡故障進行診斷，所需數據可通過風力發(fā)電機組現有的數據采集設備采集，通過運行短時間運行于檢測模式，可快速得到有效數據包，簡單有效，診斷成本低，是一種有效可靠的槳葉不平衡故障診斷方法。

最后需要說明的是，以上實施例僅用以說明本發(fā)明的技術方案而非限制，本領域技術人員應當理解，可以在形式上和細節(jié)上對本發(fā)明做出改變，而不偏離發(fā)明權利要求書所限定的范圍。

還需要說明的是，本文中所公開的實例描述的各參數，僅是為了更好的描述本發(fā)明，專業(yè)人員可以意識到，通過修改本發(fā)明的參數值可達到同樣的診斷效果，但是這種實現不應認為超出本發(fā)明的范圍。

對所公開的實施例的上述說明，使本領域專業(yè)技術人員能夠實現或使用本發(fā)明。本文中所定義的一般原理可以在不脫離本發(fā)明的精神或范圍的情況下，在其它實施例中實現。因此，本發(fā)明將不會被限制于本文所示的這些實施例，而是要符合與本文所公開的原理和新穎特點相一致的最寬的范圍。