摘要：本文首先简单叙述了风力发电系统的分类状况，接着从变频器的运行故障说起，分析了导致变频器发生故障的三类原因，基于此提出风力发电机变频器故障的优化诊断技术，希望可以为以后的相关研究提供一些参考。
关键词：风力发电；变频器；故障诊断
引言
当今时代，人们的生活和工作都离不开电，电力已经成为社会发展最主要的能源保障。就我国而言，电力供应还是以火力发电为主，在过去一段时期内，煤电给我国工业的发展做出了不少贡献。但是煤电对环境的污染比较严重，不利于资源的有效利用和环境的保护，为了实现可持续发展，新能源的研究近几年十分活跃，风力发电就是在这种背景下产生的。风力发电对环境的影响较小、应用前景广阔，具有很大的发展潜力，但是在实际的应用中，变频器的故障对风力发电的发展造成很不利的影响，因此对风电系统中变频器的故障诊断十分有必要。
一、风力发电系统简介
相对于以往的火力发电，风力发电是一种新型的可再生能源，本身具备绿色环保的特性，如果将其有效开发，不仅可以缓解目前我国紧张的供电状况，还可以真正做到生态环保化，有效缓解生态恶化、环境破坏的恶劣局势。
风力发电机种类比较多，以并网风力发电机为例，主要有双馈式、直驱式和笼型异步式。除了笼型异步式以外，其余两种都需要通过变频器接入电网。但是在这个相同点的基础上，两者又有不同之处，在接入电网中，直驱式风力发电机利用的是电子侧变频器，双馈式风力发电机则是利用的转子侧变频器。两种风力发电机的变频器示意图如下所示：
二、变频器故障情况分析
变频器是风力发电机所必需的组成部分，但是由于自身的特殊环境，导致他极易受到损坏。变频器一般都处于比较恶劣的环境，这种环境表现为高温高热、多油多灰，除了物理污染以外，还有各种交变电磁的干扰，这些不利环境因素极容易诱导变频器故障的发生。
以现阶段的风力发电机应用情况来看，速恒频式发电机是最常用的发电机类型，但是这种发电机有着比较严重的缺陷，那就是在面对电网故障时，本身也容易发生故障。除此之外，还有一些发电机系统调节速度比较慢，致使风机风能的吸收数据没有在短时间内降低，但是它的极端电压已经逐步下降，最终使得风能转化压力过大，从而影响发电和传输的稳定性，影响实际的发电机运行。换句话说，就是风力产生的一部分电能不会输送到电网之中，而是被系统自行消耗，并且加速电容充电和直流电压的提升，导致一系列不良后果，诱发故障。综上所述，无论是哪一种情况，都会引发变频器元件的损毁，因此必须要找到缓解应对的办法。就目前而言，国内外已经进行了多次试验，为了解决变频器的故障问题，神经网技术对于故障的判断分析已经成了一种主要的方式。
三、风力机变频器故障分析
就目前的变频器故障情况来看，造成变频器故障的主要原因有三种类型，一种是变频器的错误操作，一种是实际与预期效果的误差，最后一种是过电压、过电流过热的原因。第一种故障原因主要是因为变频器在工作运行中出现了一些程序错误，最终导致故障；第二种故障原因是预期对变频器的实际利用估算不准确，导致实际的效果与预期效果产生了不一致的预差值，从而影响变频器的良好运行，导致故障的发生；最后一种比较复杂，在变频器的利用中，电压和电流需要按照规定的线路经过，但是实际运行中，却在不该经过的地方经过了电压和电流，导致该部分元件过热被损毁，引发故障。
四、提高变频器故障诊断的措施
（一）神经网技术进行故障诊断
神经网技术，也就是人工神经网络，它是由大量的批处理单元，也就是神经元互联形成的网络。神经网技术可以对人类的大脑进行简单模拟、简化思维，和人脑的特性十分相似。基于人工神经网络的开发源泉，可以判断这项技术是一门综合神经科学、数学、物理学、计算机科学以及统计学等一系列涉及到理工类科目的新型智能技术。它最大的优势就是能够从人脑的生理框架入手，对人的思维行为做出研究，并基于数据探析出人脑处理信息的过程。同时它能够对显层以及隐层网络进行培训，在没有运用数学模型的情况下，实现对探究物体的评估工作。需要注意的是，神经元的数量越多，网络框架越繁琐，最终培训结果的真实性就越高。
将神经网技术运用在诊断变频器故障的工作中，就显得比较精准化了，它可以在不需要构建变频器数学模型的基础上，实现对变频器故障信息的分析诊断，并将变频器的运行状况通过神经网技术的数据收集功能全面展现出来，让诊断结果更加精确真实。具体的神经网络框架如下图所示：
（二）小波分析技术进行信息的收集和处理
小波分析技术是目前非常重要的一种信息处理方法，具体来说，它是利用小窗口对数据进行分析，在分析过程中，小窗口的整体大小不变，但是位置可以随时移动，自身形状也能不断改变，具有较强的灵活性。结合神经网技术的应用，在利用神经网技术获得了精确的数据之后，再将数据对应到小窗口之中，将数据进行分析处理，最终依据处理之后的结果来诊断变频器产生的故障。小波分析识别技术如下图所示：
小波分析识别技术
五、变频器故障诊断需要解决的难题
变频器是一项比较复杂的电路机构部件，本身故障发生的情况多种多样，复杂难测，有的是器械自己的故障问题，有的是人为操作失误，也有的是受外界环境的影响，除了这些影响因素以外，变频器不是一个简单的独立运行机器，而是涉及到一个复杂系统机器的一部分，因此还不能排除系统内其他部件故障给变频器带来的影响。因此，判断变频器故障的类型和原因，对于其故障的研究以及改善有着极为重要的意义。当前受到重视的神经网技术，虽然依靠着复杂的网络结构实现了结构高度的精确性和真实性，但是又因为复杂性的特点导致运行的计算量和空间占用量都被大幅度提升，与此同时，此项技术计算的速度就会大幅度下降，在现实中还是存在着一些问题的。另外，神经网络技术和小波分析技术都是比较复杂的技术，因此在实际的应用中，总会出现不配套，也就是技术与实际运用结合不完善的情况。这种问题也是技术在实际应用中急需要解决的问题。
结语
总而言之，风力发电是一门应用前景非常广阔的新型发电技术，在资源供应越来越紧张的局势下，它的作用会越来越大。为了保障电力供应的安全性，就必须积极研发变频器诊断技术，做好变频器故障的防护工作，有效保障风力发电系统的良好运行。
参考文献：
[1]单艳梅，王磊.风力发电系统中变频器的故障诊断研究[J].山东工业技术，2016（12）：189-189.
[2]李森.风机发电系统中变频器的故障诊断研究[J].科技风，2013（18）：81-81.
[3]余志平，姜兴华.风力发电系统故障诊断技术浅析[J].建材发展导向（下），2017（3）.
[4]谭江.风力发电系统变频器故障诊断研究[J].通讯世界，2017（20）：227-228.
[5]张涛，刘玲，张新燕，etal.基于神经网络的风力发电机变频器故障诊断研究[J].华东电力，2013，41（6）：1161-1165.
论文作者:李达明,赵耀
论文发表刊物:《电力设备》2019年第2期
论文发表时间:2019/6/5
标签：变频器论文; 故障论文; 技术论文; 风力发电论文; 故障诊断论文; 神经论文; 系统论文; 《电力设备》2019年第2期论文;