CN116559655A - 一种风力发电机定子故障检测方法、装置及故障预警*** - Google Patents
一种风力发电机定子故障检测方法、装置及故障预警*** Download PDFInfo
- Publication number
- CN116559655A CN116559655A CN202310528226.8A CN202310528226A CN116559655A CN 116559655 A CN116559655 A CN 116559655A CN 202310528226 A CN202310528226 A CN 202310528226A CN 116559655 A CN116559655 A CN 116559655A
- Authority
- CN
- China
- Prior art keywords
- fault
- stator
- driven generator
- diagnosed
- wind driven
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 51
- 238000004804 winding Methods 0.000 claims abstract description 76
- 238000000034 method Methods 0.000 claims abstract description 46
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 22
- 238000004364 calculation method Methods 0.000 claims abstract description 16
- 230000015654 memory Effects 0.000 claims description 26
- 238000012545 processing Methods 0.000 claims description 18
- 238000012544 monitoring process Methods 0.000 claims description 15
- 230000007547 defect Effects 0.000 abstract description 5
- 230000004907 flux Effects 0.000 description 9
- 238000010586 diagram Methods 0.000 description 8
- 238000012423 maintenance Methods 0.000 description 8
- 230000006378 damage Effects 0.000 description 5
- 239000011159 matrix material Substances 0.000 description 4
- 238000003745 diagnosis Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 239000007787 solid Substances 0.000 description 3
- 230000001360 synchronised effect Effects 0.000 description 3
- 238000004590 computer program Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 239000000835 fiber Substances 0.000 description 2
- 230000014509 gene expression Effects 0.000 description 2
- 238000009413 insulation Methods 0.000 description 2
- 230000002427 irreversible effect Effects 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000003750 conditioning effect Effects 0.000 description 1
- 230000007797 corrosion Effects 0.000 description 1
- 238000005260 corrosion Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000005347 demagnetization Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 230000007935 neutral effect Effects 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 238000001308 synthesis method Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01H—MEASUREMENT OF MECHANICAL VIBRATIONS OR ULTRASONIC, SONIC OR INFRASONIC WAVES
- G01H17/00—Measuring mechanical vibrations or ultrasonic, sonic or infrasonic waves, not provided for in the preceding groups
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
- G01R31/34—Testing dynamo-electric machines
- G01R31/343—Testing dynamo-electric machines in operation
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
- G01R31/50—Testing of electric apparatus, lines, cables or components for short-circuits, continuity, leakage current or incorrect line connections
- G01R31/52—Testing for short-circuits, leakage current or ground faults
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
- G01R31/50—Testing of electric apparatus, lines, cables or components for short-circuits, continuity, leakage current or incorrect line connections
- G01R31/72—Testing of electric windings
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/213—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
- G06F2218/08—Feature extraction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
- G06F2218/12—Classification; Matching
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E10/00—Energy generation through renewable energy sources
- Y02E10/70—Wind energy
- Y02E10/72—Wind turbines with rotation axis in wind direction
Landscapes
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Bioinformatics & Cheminformatics (AREA)
- General Engineering & Computer Science (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Power Engineering (AREA)
- Control Of Eletrric Generators (AREA)
Abstract
本发明公开了一种风力发电机定子故障检测方法、装置及故障预警***,该方法包括:获取待诊断风力发电机定子的运行数据集,经过频率跟踪算法和预设计算方法,得到待诊断风力发电机定子的故障特征量和相位差;基于故障特征量判断待诊断风力发电机定子是否发生定子绕组不对称故障;当待诊断风力发电机定子发生所述定子绕组不对称故障,基于相位差确定待诊断风力发电机定子的故障相。本发明通过采用频率跟踪算法和预设计算方法,得到待诊断风力发电机定子的故障特征量和相位差,并基于故障特征量判断是否发生定子绕组不对称故障,基于相位差确定对应的故障相,可以连续快速的识别定子绕组的故障缺陷,提高了定子故障检测效率和检测准确度。
Description
技术领域
本发明涉及风力发电机检测技术领域,具体涉及一种风力发电机定子故障检测方法、装置及故障预警***。
背景技术
长期以来,对风电机组一直采用计划维修和事后维修的方法。在计划维修方法中,维修人员更多是凭个人主观经验对风电机组状态判断,进而采取维修措施。该方法无法全面及时地了解风电机组状况,维修时间长,维护费用高。当故障发生时,往往是相关的部件已经失效,甚至严重损坏,此时再进行维修,工作量很大。
其中,大型永磁直驱电机定子绕组电流大,受到很大的电磁力,电磁力对绕组的挤压拉伸,容易破坏绕组的绝缘层,电机定子绕组线圈因振动导致匝间绝缘相互摩擦、破损,绝缘破损会导致多种故障。由于风速的随机性,发电机的转速会随着风速的变化而变化。因此,零序电压幅值和零序电流幅值会受到风速的影响。如果直接利用零序电压幅值或零序电流幅值的变化来诊断定子故障,容易导致故障误判。
发明内容
有鉴于此,本发明实施例提供了涉及一种风力发电机定子故障检测方法、装置及故障预警***,以解决现有技术中风力发电机定子故障检测不及时且检测结果准确度较低的技术问题。
本发明提出的技术方案如下:
第一方面,本发明实施例提供一种风力发电机定子故障检测方法,该风力发电机定子故障检测方法包括:获取待诊断风力发电机定子的运行数据集;基于所述运行数据集,经过频率跟踪算法和预设计算方法,得到所述待诊断风力发电机定子的故障特征量和相位差;基于所述故障特征量判断所述待诊断风力发电机定子是否发生定子绕组不对称故障;当所述待诊断风力发电机定子发生所述定子绕组不对称故障,基于所述相位差确定所述待诊断风力发电机定子的故障相。
结合第一方面,在第一方面的一种可能的实现方式中,基于所述运行数据集,经过频率跟踪算法和预设计算方法,得到所述待诊断风力发电机定子的故障特征量和相位差,包括:基于所述运行数据集,经过所述频率跟踪算法,得到所述待诊断风力发电机定子的零序电压、初始相位角和三相定子电流中的基波初始相位角;基于所述零序电压、所述初始相位角和所述基波初始相位角,经过所述预设计算方法,得到所述待诊断风力发电机定子的所述故障特征量和所述相位差。
结合第一方面,在第一方面的另一种可能的实现方式中,基于所述故障特征量判断所述待诊断风力发电机定子是否发生定子绕组不对称故障,包括:将所述故障特征量与预设阈值进行比对;当所述故障特征量大于所述预设阈值,确定所述待诊断风力发电机定子发生所述定子绕组不对称故障;当所述故障特征量小于所述预设阈值,确定所述待诊断风力发电机定子未发生所述定子绕组不对称故障。
结合第一方面,在第一方面的又一种可能的实现方式中,所述方法还包括:获取所述待诊断风力发电机定子的故障振动数据;对所述故障振动数据进行处理,得到所述待诊断风力发电机定子的振动规律;基于所述振动规律判断所述待诊断风力发电机定子是否发生匝间短路故障。
结合第一方面,在第一方面的又一种可能的实现方式中,获取所述待诊断风力发电机定子的故障振动数据之后,所述方法还包括:基于所述运行数据集和所述故障振动数据监测所述待诊断风力发电机的运行状态。
第二方面,本发明实施例提供一种风力发电机定子故障预警***,该风力发电机定子故障预警***包括:采集单元,用于采集风力发电机定子的运行数据集和故障振动数据,以及将所述运行数据集和所述故障振动数据发送至故障检测单元;所述故障检测单元,用于基于所述运行数据集和所述故障振动数据,经过如本发明实施例第一方面及第一方面任一项所述的风力发电机定子故障检测方法,得到所述风力发电机定子的故障检测结果,以及将所述故障检测结果发送至故障预警单元;所述故障预警单元,用于基于所述故障检测结果发出预警信号。
结合第二方面,在第二方面的一种可能的实现方式中,所述***还包括:状态监测单元,用于接收所述采集单元发送的所述运行数据集和所述故障振动数据,以及基于所述运行数据集和所述故障振动数据监测所述风力发电机定子的运行状态。
第三方面,本发明实施例提供一种风力发电机定子故障检测装置,该风力发电机定子故障检测装置包括:获取模块,用于获取待诊断风力发电机定子的运行数据集;处理与计算模块,用于基于所述运行数据集,经过频率跟踪算法和预设计算方法,得到所述待诊断风力发电机定子的故障特征量和相位差;判断模块,用于基于所述故障特征量判断所述待诊断风力发电机定子是否发生定子绕组不对称故障;确定模块,用于当所述待诊断风力发电机定子发生所述定子绕组不对称故障,基于所述相位差确定所述待诊断风力发电机定子的故障相。
第四方面,本发明实施例提供一种计算机可读存储介质,所述计算机可读存储介质存储有计算机指令,所述计算机指令用于使所述计算机执行如本发明实施例第一方面及第一方面任一项所述的风力发电机定子故障检测方法。
第五方面,本发明实施例提供一种电子设备,包括:存储器和处理器,所述存储器和所述处理器之间互相通信连接,所述存储器存储有计算机指令,所述处理器通过执行所述计算机指令,从而执行如本发明实施例第一方面及第一方面任一项所述的风力发电机定子故障检测方法。
本发明提供的技术方案,具有如下效果:
本发明实施例提供的风力发电机定子故障检测方法,通过采用频率跟踪算法和预设计算方法,可以得到待诊断风力发电机定子的故障特征量和相位差,并基于故障特征量判断是否发生定子绕组不对称故障,基于相位差确定对应的故障相。通过本发明实施例,可以连续快速的识别定子绕组的故障缺陷,提高了定子故障检测效率和检测准确度。
本发明实施例提供的风力发电机定子故障预警***,利用本发明实施例提供的风力发电机定子故障检测方法进行故障检测,并根据故障检测结果进行预警,可以为现场运行方式调整做参考,帮助生产现场合理安排运行方式,提高风力发电机组的可靠性和稳定性。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案,下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施方式,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是根据本发明实施例提供的一种风力发电机定子故障检测方法的流程图;
图2A是根据本发明实施例提供的星形连接绕组示意图;
图2B是根据本发明实施例提供的三角形连接绕组示意图;
图3是根据本发明实施例提供的风力发电机定子故障振动数据采集方案图;
图4是根据本发明实施例提供的一种风力发电机定子故障识别方法的流程图;
图5是根据本发明实施例提供的一种风力发电机定子故障预警***的结构框图;
图6是根据本发明实施例提供的一种风力发电机定子故障检测装置的结构框图;
图7是根据本发明实施例提供的计算机可读存储介质的结构示意图;
图8是根据本发明实施例提供的一种电子设备的结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
需要说明的是,本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、***、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
本发明实施例提供一种风力发电机定子故障检测方法,如图1所示,该方法包括如下步骤:
步骤101:获取待诊断风力发电机定子的运行数据集。
本发明实施例中,待诊断风力发电机可以为三相电机;
其中,运行数据集可以包括待诊断风力发电机的三相定子绕组的相电压、相电流、电阻矩阵、电感矩阵、空载反电动势、模拟故障时串联在三相定子绕组的附加电阻等。
步骤102:基于所述运行数据集,经过频率跟踪算法和预设计算方法,得到所述待诊断风力发电机定子的故障特征量和相位差。
其中,频率跟踪算法表示一种具有自动调节频率性能的算法;相位差表示两个作周期变化的物理量的相之间的差值。
通过该频率跟踪算法和预设计算方法对该运行数据集进行处理,可以得到到待诊断风力发电机定子的故障特征量和相位差。
步骤103:基于所述故障特征量判断所述待诊断风力发电机定子是否发生定子绕组不对称故障。
其中,定子绕组不对称故障表示由于定子绕组的电阻值增加而导致的不对称故障,这种故障可能是由于加工工艺低劣、热循环和振动等因素综合造成的,也有可能是由于接线端口的损坏(腐蚀或污染)造成的。故障会导致定子电压或电流的不平衡、转矩脉动的增加、平均转矩的降低、损耗和热量的增加等。
具体地,故障特征量用于表示待诊断风力发电机定子对应的故障特征,因此,根据该故障特征量即可判断该待诊断风力发电机定子是否发生定子绕组不对称故障。
步骤104:当所述待诊断风力发电机定子发生所述定子绕组不对称故障,基于所述相位差确定所述待诊断风力发电机定子的故障相。
其中,故障相表示三相或多相回路中发生故障的相。
具体地,在定子绕组不对称故障情况下,根据相位差来判断故障相。
本发明实施例提供的风力发电机定子故障检测方法,通过采用频率跟踪算法和预设计算方法,可以得到待诊断风力发电机定子的故障特征量和相位差,并基于故障特征量判断是否发生定子绕组不对称故障,基于相位差确定对应的故障相。通过本发明实施例,可以连续快速的识别定子绕组的故障缺陷,提高了定子故障检测效率和检测准确度。
作为本发明实施例一种可选的实施方式,步骤102,包括:基于所述运行数据集,经过所述频率跟踪算法,得到所述待诊断风力发电机定子的零序电压、初始相位角和三相定子电流中的基波初始相位角;基于所述零序电压、所述初始相位角和所述基波初始相位角,经过所述预设计算方法,得到所述待诊断风力发电机定子的所述故障特征量和所述相位差。
本发明实施例中,通过在一相定子绕组中串联一个附加的电阻来模拟定子绕组不对称故障。在不考虑电机饱和情况下,三相电机在定子绕组不对称故障情况下的电压方程可表示为如下关系式(1):
式中:[Vs,abc]表示三相定子绕组的相电压;[Rsf]表示三相定子绕组的电阻矩阵;[is,abc]表示三相定子绕组的相电流;[Ls]表示三相定子绕组的电感矩阵;[es,abc]表示三相定子绕组的空载反电动势;[V0]表示零序电压;
根据上述关系式,即可计算得到对应的零序电压。
其中,[Vs,abc]如下关系式(2)所示:
[Vs,abc]=[VaVbVc]t (2)
式中:Va表示a相定子绕组的相电压;Vb表示b相定子绕组的相电压;Vc表示c相定子绕组的相电压;t表示相电压系数;
[Rsf]如下关系式(3)所示:
式中:Rs表示相定子电阻;Rsadd_a表示模拟故障时串联在A相定子绕组的附加电阻;
[is,abc]如下关系式(4)所示:
[is,abc]=[iaibic]t (4)
式中:ia表示a相定子绕组的相电流;ib表示b相定子绕组的相电流;ic表示c相定子绕组的相电流。
[Ls]如下关系式(5)所示:
式中:L表示定子绕组自感;M表示定子绕组间互感;
[es,abc]如下关系式(6)所示:
式中:λPM,a表示a相定子绕组的永磁磁链;λPM,b表示b相定子绕组的永磁磁链;λPM,c表示c相定子绕组的永磁磁链。
进一步,考虑转子磁场谐波的情况下,λPM,a、λPM,b、λPM,c表示为如下关系式(7):
式中:k表示一个整数;λPM,1表示永磁磁链中基波的幅值;λPM,v表示永磁磁链中v次谐波的幅值;λPM,r表示永磁磁链中r次谐波的幅值;θ表示转子电角位置,即初始相位角;θv表示永磁磁链中基波和v次谐波之间的角度,即基波初始相位角。
进一步,零序电压[V0]表示定子绕组中性点和直流母线电压中点的电压,如下关系式(8)所示:
式中:λPM,0表示永磁磁链中零序电压基波的幅值。
进一步,根据上述计算得到的零序电压[V0]、初始相位角θ、基波初始相位角θv可以计算得到待诊断风力发电机定子的故障特征量和相位差,分别如下关系式(9)和(10)所示:
PU=V0θv (9)
式中:PU表示故障特征量;V0表示零序电压;表示相位差。
作为本发明实施例一种可选的实施方式,步骤103,包括:将所述故障特征量与预设阈值进行比对;当所述故障特征量大于所述预设阈值,确定所述待诊断风力发电机定子发生所述定子绕组不对称故障;当所述故障特征量小于所述预设阈值,确定所述待诊断风力发电机定子未发生所述定子绕组不对称故障。
具体地,判断故障特征量是否大于设定的阈值,如果故障特征量大于设定的阈值,则存在定子绕组不对称故障,反之则不存在。
作为本发明实施例一种可选的实施方式,所述方法还包括:获取所述待诊断风力发电机定子的故障振动数据;对所述故障振动数据进行处理,得到所述待诊断风力发电机定子的振动规律;基于所述振动规律判断所述待诊断风力发电机定子是否发生匝间短路故障。
本发明中定子匝间短路故障和不可逆失磁故障是电机停机的主要原因,故障将产生大于2倍堵转电流的环流,引起绕组过热,绕组过热对永磁同步电机有较大的危害。大的故障电流将产生与正常方向相反的磁链,有可能引起电机发生不可逆退磁故障,定子匝间短路故障对永磁同步电机的危害性和破坏性更为严重。
本发明实施例中,假设永磁同步电机的a相定子绕组发生匝间短路故障,电机绕组等效示意如图2A-2B所示。从图中可看出,电机绕组增加了一个短路回路,短路电阻把a相绕组分成a1和a2两部分,流过短路电阻的电流if称为短路电流。
本发明实施例中,采用基于径向振动特征的风力发电机定子匝间短路故障诊断方法对待诊断风力发电机定子是否发生匝间短路故障进行诊断
具体地,电机定子通过三相交变电流,会产生一个随时间和空间按近似正弦规律变化的行波(旋转磁场),当定子出现匝间短路、松动等故障时,由于磁场的不对称使得在定子上的振动愈加剧烈,拾取此时的振动信号并根据振动的规律对其进行分析就可判断是否出现定子故障。
其中,获取待诊断风力发电机定子的故障振动数据可以通过如图3所示的合成方法获取得到。
作为本发明实施例一种可选的实施方式,获取所述待诊断风力发电机定子的故障振动数据之后,所述方法还包括:基于所述运行数据集和所述故障振动数据监测所述待诊断风力发电机的运行状态。
具体地,本发明实施例中还可以根据获取的待诊断风力发电机的运行数据集和故障振动数据对待诊断风力发电机的运行状态进行监测。
在一实例中,提供一种定子绕组故障诊断方法,包括如下步骤:
步骤l:采用频率跟踪算法计算零序电压%、初始相位角以及三相定子电流中基波的初始相位角,进而计算故障特征量和相位差;
步骤2:判断故障特征量是否大于设定的阈值,如果故障特征量大于设定的阈值,则存在定子绕组不对称故障;
步骤3:在定子绕组不对称故障情况下,根据相位差来判断故障相。
在另一实例中,提供一种风力发电机定子故障识别方法,具体的识别过程如图4所示。
本发明实施例还提供一种风力发电机定子故障预警***,如图5所示,该风力发电机定子故障预警***2包括:采集单元21、故障检测单元22、故障预警单元23和状态监测单元24。
其中,故障检测单元22分别与采集单元21和故障预警单元23连接;采集单元21还与状态监测单元24连接。
进一步,对上述***中各个装置的功能进行描述。
具体地,采集单元21用于采集风力发电机定子的运行数据集和故障振动数据,以及将该运行数据集和故障振动数据发送至故障检测单元22;
故障检测单元22利用本发明实施例提供的风力发电机定子故障检测方法,对接收到的运行数据集和故障振动数据进行检测处理后,得到风力发电机定子的故障检测结果,并将该故障检测结果发送至故障预警单元23;
故障预警单元23可以根据接收到的故障检测结果发出对应的预警信号。
进一步,采集单元21还可以将运行数据集和故障振动数据发送至状态监测单元24,使得状态监测单元24根据该运行数据集和故障振动数据对风力发电机定子的运行状态进行实时监测。
本发明实施例提供的风力发电机定子故障预警***,利用本发明实施例提供的风力发电机定子故障检测方法进行故障检测,并根据故障检测结果进行预警,可以为现场运行方式调整做参考,帮助生产现场合理安排运行方式,提高风力发电机组的可靠性和稳定性。
在一实例中,提供一种风力发电机定子状态智能感知与故障早期预警***,由硬件部分和软件部分两个模块组成:
(1)硬件部分
硬件部分由振动传感器、电流传感器、温度传感器、光栅光纤传感器、信号调理模块、数据采集卡、计算机等组成。传动机构的转轴的转矩信号采集反射型光栅光纤传感器。本发明主要根据采集到的振动信号对风力发电机实时的运行状态进行监测。
(2)软件部分
本发明的软件***的核心是故障预警方法,因此软件部分是监测诊断预警***的重点内容。本监测***可实现的功能:
数据采集:采集数据时可以设置相关参数如;采样频率,采样时长等。
数据分析:对采集到的信号进行傅里叶变换、求取信号的包络。
判断运行状态:根据实时采集到的振动信号、电流信号和转矩信号联系数据库判别运行状态,如有故障发出警告。
早期预警:根据各种数据、利用智能算法,进行早期缺陷的预警。
结果显示和数据存储:将采集到的数据和处理结果进行图像化处理,处理结果和数据、文件格式保存等。
本发明实施例还提供一种风力发电机定子故障检测装置,如图6所示,该装置包括:
获取模块301,用于获取待诊断风力发电机定子的运行数据集;详细内容参见上述方法实施例中步骤101的相关描述。
处理与计算模块302,用于基于所述运行数据集,经过频率跟踪算法和预设计算方法,得到所述待诊断风力发电机定子的故障特征量和相位差;详细内容参见上述方法实施例中步骤102的相关描述。
判断模块303,用于基于所述故障特征量判断所述待诊断风力发电机定子是否发生定子绕组不对称故障;详细内容参见上述方法实施例中步骤103的相关描述。
确定模块304,用于当所述待诊断风力发电机定子发生所述定子绕组不对称故障,基于所述相位差确定所述待诊断风力发电机定子的故障相;详细内容参见上述方法实施例中步骤104的相关描述。
本发明实施例提供的风力发电机定子故障检测装置,通过采用频率跟踪算法和预设计算方法,可以得到待诊断风力发电机定子的故障特征量和相位差,并基于故障特征量判断是否发生定子绕组不对称故障,基于相位差确定对应的故障相。通过本发明实施例,可以连续快速的识别定子绕组的故障缺陷,提高了定子故障检测效率和检测准确度。
作为本发明实施例一种可选的实施方式,所述处理与计算模块包括:处理子模块,用于基于所述运行数据集,经过所述频率跟踪算法,得到所述待诊断风力发电机定子的零序电压、初始相位角和三相定子电流中的基波初始相位角;计算子模块,用于基于所述零序电压、所述初始相位角和所述基波初始相位角,经过所述预设计算方法,得到所述待诊断风力发电机定子的所述故障特征量和所述相位差。
作为本发明实施例一种可选的实施方式,所述判断模块,包括:比对子模块,用于将所述故障特征量与预设阈值进行比对;第一确定子模块,用于当所述故障特征量大于所述预设阈值,确定所述待诊断风力发电机定子发生所述定子绕组不对称故障;第二确定子模块,用于当所述故障特征量小于所述预设阈值,确定所述待诊断风力发电机定子未发生所述定子绕组不对称故障。
作为本发明实施例一种可选的实施方式,所述装置还包括:第一获取模块,用于获取所述待诊断风力发电机定子的故障振动数据;处理模块,用于对所述故障振动数据进行处理,得到所述待诊断风力发电机定子的振动规律;第一判断模块,用于基于所述振动规律判断所述待诊断风力发电机定子是否发生匝间短路故障。
作为本发明实施例一种可选的实施方式,所述装置还包括:监测模块,用于基于所述运行数据集和所述故障振动数据监测所述待诊断风力发电机的运行状态。
本发明实施例提供的风力发电机定子故障检测装置的功能描述详细参见上述实施例中风力发电机定子故障检测方法描述。
本发明实施例还提供一种存储介质,如图7所示,其上存储有计算机程序401,该指令被处理器执行时实现上述实施例中风力发电机定子故障检测方法的步骤。其中,存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory,ROM)、随机存储记忆体(RandomAccess Memory,RAM)、快闪存储器(Flash Memory)、硬盘(Hard Disk Drive,HDD)或固态硬盘(Solid-State Drive,SSD)等;所述存储介质还可以包括上述种类的存储器的组合。
本领域技术人员可以理解,实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的程序可存储于一计算机可读取存储介质中,该程序在执行时,可包括如上述各方法的实施例的流程。其中,所述存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory,ROM)、随机存储记忆体(Random AccessMemory,RAM)、快闪存储器(Flash Memory)、硬盘(Hard Disk Drive,HDD)或固态硬盘(Solid-State Drive,SSD)等;所述存储介质还可以包括上述种类的存储器的组合。
本发明实施例还提供了一种电子设备,如图8所示,该电子设备可以包括处理器51和存储器52,其中处理器51和存储器52可以通过总线或者其他方式连接,图8中以通过总线连接为例。
处理器51可以为中央处理器(Central Processing Unit,CPU)。处理器51还可以为其他通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现场可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等芯片,或者上述各类芯片的组合。
存储器52作为一种非暂态计算机可读存储介质,可用于存储非暂态软件程序、非暂态计算机可执行程序以及模块,如本发明实施例中的对应的程序指令/模块。处理器51通过运行存储在存储器52中的非暂态软件程序、指令以及模块,从而执行处理器的各种功能应用以及数据处理,即实现上述方法实施例中的风力发电机定子故障检测方法。
存储器52可以包括存储程序区和存储数据区,其中,存储程序区可存储操作装置、至少一个功能所需要的应用程序;存储数据区可存储处理器51所创建的数据等。此外,存储器52可以包括高速随机存取存储器,还可以包括非暂态存储器,例如至少一个磁盘存储器件、闪存器件、或其他非暂态固态存储器件。在一些实施例中,存储器52可选包括相对于处理器51远程设置的存储器,这些远程存储器可以通过网络连接至处理器51。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
所述一个或者多个模块存储在所述存储器52中,当被所述处理器51执行时,执行如图1-4所示实施例中的风力发电机定子故障检测方法。
上述电子设备具体细节可以对应参阅图1至图4所示的实施例中对应的相关描述和效果进行理解,此处不再赘述。
虽然结合附图描述了本发明的实施例,但是本领域技术人员可以在不脱离本发明的精神和范围的情况下做出各种修改和变型,这样的修改和变型均落入由所附权利要求所限定的范围之内。
Claims (10)
1.一种风力发电机定子故障检测方法,其特征在于,所述方法包括:
获取待诊断风力发电机定子的运行数据集;
基于所述运行数据集,经过频率跟踪算法和预设计算方法,得到所述待诊断风力发电机定子的故障特征量和相位差;
基于所述故障特征量判断所述待诊断风力发电机定子是否发生定子绕组不对称故障;
当所述待诊断风力发电机定子发生所述定子绕组不对称故障,基于所述相位差确定所述待诊断风力发电机定子的故障相。
2.根据权利要求1所述的方法,其特征在于,基于所述运行数据集,经过频率跟踪算法和预设计算方法,得到所述待诊断风力发电机定子的故障特征量和相位差,包括:
基于所述运行数据集,经过所述频率跟踪算法,得到所述待诊断风力发电机定子的零序电压、初始相位角和三相定子电流中的基波初始相位角;
基于所述零序电压、所述初始相位角和所述基波初始相位角,经过所述预设计算方法,得到所述待诊断风力发电机定子的所述故障特征量和所述相位差。
3.根据权利要求1所述的方法,其特征在于,基于所述故障特征量判断所述待诊断风力发电机定子是否发生定子绕组不对称故障,包括:
将所述故障特征量与预设阈值进行比对;
当所述故障特征量大于所述预设阈值,确定所述待诊断风力发电机定子发生所述定子绕组不对称故障;
当所述故障特征量小于所述预设阈值,确定所述待诊断风力发电机定子未发生所述定子绕组不对称故障。
4.根据权利要求1所述的方法,其特征在于,所述方法还包括:
获取所述待诊断风力发电机定子的故障振动数据;
对所述故障振动数据进行处理,得到所述待诊断风力发电机定子的振动规律;
基于所述振动规律判断所述待诊断风力发电机定子是否发生匝间短路故障。
5.根据权利要求4所述的方法,其特征在于,获取所述待诊断风力发电机定子的故障振动数据之后,所述方法还包括:
基于所述运行数据集和所述故障振动数据监测所述待诊断风力发电机的运行状态。
6.一种风力发电机定子故障预警***,其特征在于,所述***包括:
采集单元,用于采集风力发电机定子的运行数据集和故障振动数据,以及将所述运行数据集和所述故障振动数据发送至故障检测单元;
所述故障检测单元,用于基于所述运行数据集和所述故障振动数据,经过如权利要求1-5任一项所述的风力发电机定子故障检测方法,得到所述风力发电机定子的故障检测结果,以及将所述故障检测结果发送至故障预警单元;
所述故障预警单元,用于基于所述故障检测结果发出预警信号。
7.根据权利要求6所述的***,其特征在于,所述***还包括:
状态监测单元,用于接收所述采集单元发送的所述运行数据集和所述故障振动数据,以及基于所述运行数据集和所述故障振动数据监测所述风力发电机定子的运行状态。
8.一种风力发电机定子故障检测装置,其特征在于,所述装置包括:
获取模块,用于获取待诊断风力发电机定子的运行数据集;
处理与计算模块,用于基于所述运行数据集,经过频率跟踪算法和预设计算方法,得到所述待诊断风力发电机定子的故障特征量和相位差;
判断模块,用于基于所述故障特征量判断所述待诊断风力发电机定子是否发生定子绕组不对称故障;
确定模块,用于当所述待诊断风力发电机定子发生所述定子绕组不对称故障,基于所述相位差确定所述待诊断风力发电机定子的故障相。
9.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有计算机指令,所述计算机指令用于使所述计算机执行如权利要求1至5任一项所述的风力发电机定子故障检测方法。
10.一种电子设备,其特征在于,包括:存储器和处理器,所述存储器和所述处理器之间互相通信连接,所述存储器存储有计算机指令,所述处理器通过执行所述计算机指令,从而执行如权利要求1至5任一项所述的风力发电机定子故障检测方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310528226.8A CN116559655A (zh) | 2023-05-10 | 2023-05-10 | 一种风力发电机定子故障检测方法、装置及故障预警*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310528226.8A CN116559655A (zh) | 2023-05-10 | 2023-05-10 | 一种风力发电机定子故障检测方法、装置及故障预警*** |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116559655A true CN116559655A (zh) | 2023-08-08 |
Family
ID=87487445
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310528226.8A Pending CN116559655A (zh) | 2023-05-10 | 2023-05-10 | 一种风力发电机定子故障检测方法、装置及故障预警*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116559655A (zh) |
-
2023
- 2023-05-10 CN CN202310528226.8A patent/CN116559655A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Riera-Guasp et al. | Advances in electrical machine, power electronic, and drive condition monitoring and fault detection: State of the art | |
CN107132450B (zh) | 一种海上双馈电机定子绕组匝间短路早期故障辨识方法 | |
CN102520352B (zh) | 一种交流无刷发电机故障诊断仪 | |
US9109517B2 (en) | Condition monitoring of mechanical drive train coupled with electrical machines | |
CN103744023B (zh) | 一种双馈风力发电机定子绕组不对称故障检测方法 | |
CN106054078A (zh) | 一种海上双馈电机定子绕组匝间短路故障辨识方法 | |
CN108680858B (zh) | 用于监测永磁同步电机转子失磁故障的方法和*** | |
CN102636751A (zh) | 基于励磁机励磁电流的交流无刷发电机故障检测方法 | |
Niu et al. | Motor fault diagnostics based on current signatures: a review | |
AU2014323977B2 (en) | Method for diagnosing detail coefficient standard deviation of switch reluctance motor power converter failure | |
CN111123104B (zh) | 一种无需先验知识的永磁电机绕组故障诊断方法 | |
CN109297716A (zh) | 一种双馈型风力发电机振动故障诊断方法 | |
CN107024655A (zh) | 一种永磁同步电机定子绕组故障诊断方法 | |
US11722079B2 (en) | Detection system and method for rotor dynamic turn-to-turn short circuit fault of synchronous generator | |
CN104597367A (zh) | 一种变频器驱动感应电机定子匝间短路故障诊断方法 | |
Wang et al. | Detection and evaluation of the interturn short circuit fault in a BLDC-based hub motor | |
Pang et al. | Online diode fault detection in rotating rectifier of the brushless synchronous starter generator | |
CN106501665B (zh) | 基于检测线圈的水轮发电机转子绕组匝间短路诊断方法 | |
Sharma et al. | A novel Park’s vector approach for investigation of incipient stator fault using MCSA in three-phase induction motors | |
Zhang | Current behavior-based open-switch fault on-line diagnosis of inverters in PMSM drive systems | |
CN113009337B (zh) | 海上风电永磁直驱电机匝间短路故障识别方法 | |
Lee et al. | Diagnosis of interturn short-circuit fault in PMSM by residual voltage analysis | |
Bhattacharyya et al. | Induction motor fault diagnosis by motor current signature analysis and neural network techniques | |
CN116466689B (zh) | 故障诊断方法及装置 | |
CN116559655A (zh) | 一种风力发电机定子故障检测方法、装置及故障预警*** |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |