摘要：随着风电在全国的广泛应用，多数地区建设了大型并网式风电场，风电机组经过一段时间的运行，变流器故障处理和检修问题日益明显。基于此，本文以提出了一种波形分析方法，将其用于风电机组变流器的故障处理，在不影响风电机组工作的前提下，优化布局，增强对设备的保护，从而降低机组故障发生率。
关键词：波形分析；风电机组；变流器故障
引言：
在风电机组工作过程中，变流器技术集成度高，一旦设备出现异常，将影响整个风电机组的正常工作，且故障定位与处理十分困难。为了准确的找到故障位置，尽快恢复机组运行，可以从变流器工作原理入手，利用波形分析展开变流器故障排查工作，减轻维修人员工作负担，提高故障处理效率，保障双馈异步风力发电机组稳定运行。
1.双馈异步风力发电机组的工作原理
风力发电机组的风轮可以捕获风能，在齿轮箱的增速驱动作用下使机组发电。双馈异步发电机在转子中加入三相低频交流电，从而得到励磁，在通过变流器对励磁电流频率和幅值进行调节，使发电机组的输出功率可以恒频恒压。这种风力发电机组为三相绕组式发电机，其中定子绕组与电网相连，转子绕组利用变流器与电网相连。机组变流器按照当前风速情况确定转速，并向转子绕组馈入励磁电流，帮助机组捕获最大风能，实现对定子输出功率的有效调节。为了实现发电机组变速恒频运行，可以对变流器进行调节，使励磁电流频率符合发电要求。当变流器发生故障时，将会直接影响风电机组运行，要求维修人员结合实际生产情况，寻找故障产生原因，采用波形分析方法准确进行故障定位，及时处理故障，确保变流器恢复正常[1]。
2.波形分析在风电机组变流器故障处理中的应用
2.1故障波形分析
图1 为某风电机组变流器的故障波形。下载变流器故障时刻波形，按照顺序调取风电机组转速波形、有功功率波形、转子电压波形、定子电压波形以及三相定子电流波形，经过波形分析确定故障相，随后寻找故障波形的变化情况。对图1故障波形展开分析，发现变流器发生故障之前A相输入IGBT的电流、励磁电流、并网电流都保持正常，变流器能够稳定运行。当故障发生时，波形中并网电流变为零，输入IGBT的电流与励磁电流产生畸变。这一现象说明风电机组变流器并网回路断开，维修人员来到事故现场进行查看，发现并网开关没有任何动作，电网没有故障现象。随后，故障维修人员根据变流器各断路器动作事件记录图查看各处开关动作顺序。先是动作了并网开关与并网主接触器，又更换了欠压线圈与微控制器，这时故障中并网开关没有任何动作，这说明变流器的并网开关没有损坏，而变流器产生故障的原因可能与并网主接触器有关。
图1 风电机组变流器故障相波形图
应用波形分析法判断变流器故障问题，排出并网开关故障后，风电机组报出变流器系统故障。故障处理人员对变流器系统展开研究，优化并升级变流器系统，风电机组复位之后，系统可以正常运行。但与此同时，高负荷时报出现同样的故障问题，故障处理人员判断并网主接触器可能在高电压环境下接触不良，所以变流器在高负荷时存在异常断开故障。针对这一故障问题，维修人员再次解决了变流器并网主接触故障问题，更换主接触器后，所有故障成功排出，复位后的风电机组可以照常工作[2]。
2.2BP神经网诊断变流器故障
可以使用BP神经网对风电机组变流器进行故障波形的诊断。以往研究中，人们可以了解变流器的不同故障类型，不同故障位置对应着不同的波形，故障处理之后可以训练BP神经网络，从而对变流器故障神经网络展开智能诊断，并得到所使用的程序的全部流程图。故障诊断开始，输入变流器故障波形向量P；输入故障类型和故障位置的目标向量T；输入变流器故障波形向量P的最大值与最小值；建立BP神经网，并定义结构或训练函数参数；定义BP神经网络的训练目标、次数和速率；开始训练神经网络。如果满足训练目标参数，可以直接输出满足训练目标和训练曲线等参数图像；如果达到最大训练次数，可以直接输出“达到最大训练次数”，程序结束。这样的风电机组变流器故障诊断方式将BP神经网络与波形分析法综合应用，实现了故障的智能化诊断。
2.3波形分析方法的实践应用
变流器是风力发电机组的核心零部件，大多数变流器从国外进口，设备故障处理效率将直接影响风力发电机组的发电效率。一般情况下，工程师凭借经验更换部件查找故障，但该方式效率较低，还需应用波形分析法。工程师在了解风力发电机组变流器的故障处理过程后，使用专业变流器调试软件Drive Window进行网侧预充电，并测试励磁回路情况。应用软件的录波功能监控变流器主要运行指标，得知网侧预充电测试正常，经过调制后直流母线电压可以达到提前预设的1050VDC，ISU网侧电流也显示正常。随后，工程师又使用变流器调试软件进行励磁回路零速测试，发现变流器存在故障，故障代码如下：电流不平衡1、ISU接地故障。波形分析下的变流器故障和风力发电机报出的故障一致。工程师对波形展开深入分析，了解励磁回路零速测试过程中，直流母线电压没有达到预设1050VDC，线电流与ISU网侧电流相比，前者增加了一倍，后者缩小了一倍，而风力发电机组转子没有建立起励磁电压，相应的电流也显示为零。经过变流器故障排查与诊断，得知线电流与ISU网侧电流功率处于明显不平衡状态，转子励磁回路有放电点。工程师怀疑接地点属于非金属性接地，静态接地点绝缘，回路有电流通过时与大地相通并放电。
工程师将回路拆除处理，再次进行测试，测试顺利通过，因此非金属性接地点就被锁定在该回路。将回路拆下来进行检查与分析，工程师发现了两处故障点：（1）检测回路整流桥，有两处引脚二极管击穿。（2）回路放电电阻远端电阻片变形，没有和金属外壳保持安全距离，设备存在安全隐患。根据以上两处故障问题，工程师将故障处理后重新安装回路，再次利用波形分析法进行回路测试，最终测试成功通过，风力发电机组变流器故障得以排除。
总结：
总而言之，在应用波形分析法的同时，故障处理人员需要熟悉双馈异步风力发电机组运行原理，了解变流器的工作原理，应用专业软件的故障录波功能，记录故障波形。结合BP神经网络与波形分析法，快速找出故障位置，恢复发电机组运行，提升故障处理效率。
参考文献：
[1]田树仁.基于小波变换和粗糙集的风电变流器故障诊断[J].沈阳工业大学学报，2018，40（06）：620-626.
[2]汪野. 基于TCP/IP网络通讯的风电变流器系统监控软件的设计与实现[D].东南大学，2018.
论文作者:高伟
论文发表刊物:《电力设备》2019年第14期
论文发表时间:2019/11/21
标签：变流器论文; 波形论文; 故障论文; 机组论文; 电流论文; 风电论文; 回路论文; 《电力设备》2019年第14期论文;