本科毕业设计开题报告
风电机组逆变器智能故障诊断算法开发
- 文献综述
随着全球能源危机和环境污染的加剧，风能等可再生能源的开发利用受到越来越多的关注。风能因其相对低廉的成本和丰富的全球供应，已成为可大规模实施的可再生能源类型之一。此外，据统计数据显示，近三十年来，风能一直是世界上增长最快的可再生能源之一。截至2015年底，全球新增风电装机容量达到432.42 GW，过去几十年年均增长21%。随着越来越多的国家为可持续性和减少污染物排放制定紧急目标，这种增长势头预计将继续下去[1]。在风力机的各种类型中，齿轮双馈感应发电机(DFIGs)系统存在齿轮箱寿命短、维护频繁等缺点。与传统的齿轮箱耦合风力发电机相比，直驱永磁同步发电机(PMSGs)具有体积小、安装成本低、维护成本低等优点。对于大容量风力发电机，直接驱动永磁同步发电机因其高效率、高功率密度和转子结构的鲁棒性而倍受青睐。随着永磁体特性的改善和材料成本的降低，直驱永磁风力发电机的竞争力力进一步增强。因此，直驱型风力机有望成为未来风能利用的主要类型，尤其是海上应用[2]。但是，对风电机组部件的可靠性分析表明，直驱风力机的功率变换器与其他用于工业的风力机的变换器相比表现出更高的故障率[3]。早期变换器的故障是海上风力机应用的主要问题。因此，对于变换器和整个系统来说，实时的故障监测、预测和冗余容错操作是必不可少的，他们主要依赖于风力组件的准确故障诊断。
变换器的故障主要分为半导体开关的短路故障和开路故障[4]。短路故障是最危险的，可能损坏逆变器。这种类型的故障可能导致不正常的过流，从而对其他部件造成损害。应对短路故障可以使用快速熔断器，在这种情况下，短路故障变成开路故障；开关开路故障的特点是故障相和健康相中电流的不平衡。而驱动系统可以在开路故障的条件下以低效能状态持续运行，其引起的发电机中不稳定的旋转速度和载荷的作用，可能会对系统造成更进一步的伤害。因此功率变换器的故障检测是必要的。目前，一些文献针对风力机或其他工业设备提出的变换器故障诊断算法如下：
[5],[6]中综述了一般方法,其中包括:归一化电流平均绝对值误差、电流Park矢量相位和电流极性误差、归一化电流平均值误差、归一化参考电流误差。所述方法基于Park量法，该方法对参考/平均/平均绝对电流的相电流进行归一化，以反映电流与期望值的偏差。[7]提出并验证了一种适用于双馈感应发电机风力发电系统的综合容错电力电子接口。可保证稳定的发电能力。所提出的解决方案还包括一种鲁棒且快速的开路开关故障诊断算法，该算法对运行条件不敏感。[8]提出了一种面向电压的交流/直流线路侧变换器开路开关故障诊断方法。该技术针对故障晶体管的定位问题，计算了整流器的平均电压误差，分析了其平均值的特征，在整流方式和换流方式下都是有效的。[9]提出了一种基于模型状态估计方法的开关功率转换器故障检测与识别(FDI)方法的分析，该方法具有通用性，可用于检测和识别开关功率转换器中任意类型元件和传感器的故障。[10]提出了一种基于变频器电压估计误差的三相双电平交流/直流线旁变频器晶体管开路故障诊断策略。根据所提出的方法，利用电压调制器占空比的信号进行电压估计，并利用线对线电压测量进行简单的计算。[11]讨论了基于电网电流预测的三相二电平整流器晶体管开路故障诊断技术。对于电流一次预测，采用欧拉法离散整流器的s动力学方程。该方法可以在短于一个基波周期的时间内检测在整流和再生模式下的单个和多个晶体管故障。[12]提出了一种新型的三相永磁同步电动机(PMSM)驱动中低压源逆变器(VSI)开路故障诊断方法。在对单链直流电流传感器进行采样的基础上，采用零电压矢量采样法(ZVVSM)进行故障诊断。[13]提出了一种利用电流有效值与瞬时值变化特征定位逆变器IGBT 开路故障点的方法。基于逆变器硬件拓扑结构，阐述了逆变器中IGBT 开路故障点定位的基本原理。[14]结合转子电流和电压空间矢量的频谱特征，提出了一种诊断空间矢量，该空间矢量能较好地完善绕线式转子感应电机转子故障的检测。[15]考虑到故障情况下零点漂移、感应发电机的非线性性以及风力发电系统的强耦合性，对故障下的电流波形分析并提取故障特征，搭建以电流空间矢量特征函数作为输入的神经网络故障诊断模型，并对逆变器21 种可能的开路故障进行故障诊断和定位。以上文献中[7]的缺点是无法对故障进行定位，[8][9][10]相对于[7]来说，可以进行单开关管开路故障定位，但变换器运行中可能出现多个开关管同时开路的情况，其中2个开关管同时开路的情况最为常见，3个开关管同时开路的情况则较为少见。[11][12][13][14][15]可在单个开关管开路或两个开关管同时开路的情况下进行诊断，并对故障开关管进行定位。与[7][8][9][10][11][12][13][14][15]中预设阈值不同的是，[16][17]提出了依赖于自适应阈值的故障诊断算法,其中[16]基于线性系统模型，可区分电流传感器和开路故障，能有效隔离故障传感器或功率半导体，[17]基于非线性系统模型，该算法从双馈感应发电机和变流器的数学模型出发，根据模型的非线性特点，推导双馈风电机组变流系统的双线性模型，并构造出变流系统的双线性电流观测器。通过电流观测器得到变流器的电流残差信息，并据此对变流器进行故障检测，然后利用电流平均值定位出具体故障器件。[18]将归一化变流器相电流和绝对归一化电流的平均值作为主量来表示诊断变量，可诊断多个开关断路，此外将这些变量与归一化变频器相电流的平均绝对值相结合，与[16][17]类似也提出了一种自适应故障诊断阈值。[19]提出了一种基于拓扑对称分析的双级三相脉宽调制整流器在健康和故障条件下的单、多晶体管开路故障诊断方法。[20]提出了一种基于变分模式分解(VMD)和支持向量机(SVM)的故障诊断方法。通过VMD采集并网侧三相电流和转子侧三相电流，将数据进行处理得到特征向量，将其作为SVM分类器的输入，最后通过分类结果得到诊断结果。[21]综述了专家系统、人工神经网络(ANNs)和模糊逻辑系统在电机故障诊断方面的应用。[22]针对三相逆变器故障诊断中由于传感器偏置、噪声等原因造成的不确定性问题，提出了一种基于贝叶斯网络的数据驱动的三相逆变器故障诊断方法。[23]综述了现有电力电子系统的智能控制以及电力电子元器件的各种短路和开路故障。建立了一种基于组合逻辑的故障诊断方法和一种基于模糊逻辑的故障恢复冗余诊断方法。[24]提出了一种基于短路电流的针对变换器IGBT模块的在线状态监测与故障诊断方法和一种基于阶跃电压的针对并联电容模块的在线状态监测与故障诊断方法。[25]针对上述文献无法解决直驱永磁风力发电机在变风速条件下故障诊断的问题，提出一种基于风速的归一化电流诊断方法。
综上，目前故障诊断的方法基本上可以分为两类，一类是基于模型的方法[5]-[20],[25]；还有一类是基于无模型的方法[21]-[24]。基于模型的方法使用系统的分析知识，通常是对所获取的信号进行处理，比较监视信号的预期状态和测量状态之间的差异，若其差值超出一阈值，则可诊断系统发生故障。这种方法的缺点是信号处理技术根据算法的计算复杂度会有相应的延迟，需要相对较长的时间来识别故障；基于无模型的方法依靠人工智能的技术，如机器学习、人工神经网络或模糊逻辑，开发出一种经过训练后能够识别特定故障的系统。这种方法的缺点是训练算法需要大量的计算量和大量的数据集。除此之外故障诊断还可以根据所处理信号的种类分为基于电压信号的故障诊断，和基于电流信号的故障诊断。
二、研究方案
以上是毕业论文文献综述，课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
