基于小波神经网络的风电变流器故障诊断研究

论文摘要

能源危机和保护生态环境的大背景下,可再生能源的重要性凸现出来。风力发电技术是可再生能源发电技术中的重要组成部分之一,其中尤以双馈风力发电技术的应用最为广泛。风电变流器属于双馈风力发电系统中的核心部件,所以系统对其可靠性要求也很高。因此,风电变流器的状态监测和故障诊断对于提高系统的稳定性和效率来说就显得至关重要。首先,文中讨论了双馈风力发电系统的数学建模问题,且分析了风力变流器发生故障所产生的影响,并研究了风电变流器开路故障诊断的新方法。建模过程中的重点放在转子侧控制器的控制策略上,而且利用Matlab/Simulink建立了双馈风电机组的仿真模型。随后,文中描述了小波神经网络的理论和构建方法,并对小波神经网络的中的常用的算法进行了简单的介绍。在离散小波神经网络的训练过程中,发现传统的递推最小二乘算法(RLS)具有容易陷入局部最小,收敛速度慢等缺点,影响了神经网络的训练效率。因此,本文在递推最小二乘算法的基础上做出了一定的改进,提出了变加权变学习率的递推最小二乘算法,并将该算法应用于离散小波神经网络的训练。对比实验表明,在收敛精度和收敛速度两方面,变加权变学习率的递推最小二乘算法均优于递推最小二乘算法。最后,模拟双馈风力发电系统在变流器正常和故障条件下的运行状态,研究了变流器发生开路故障后对发电系统的影响。在对变流器发生开路故障后各变量如:转子相电流、电磁转矩等进行了分析后,选择转子相电流作为采集样本的变量,而后成功训练好小波神经网络,进而完成了基于小波神经网络开路故障诊断仿真实验。最终实验表明,运用变加权变学习率的递推最小二乘算法训练的离散小波神经网络能够准确地识别出开路故障的类型。

论文目录

• 中文摘要
• 英文摘要
• 1 绪论
• 1.1 论文的研究背景及意义
• 1.2 国内外风力发电技术研究
• 1.2.1 风力发电机技术研发现状
• 1.2.2 变流器故障诊断技术现状
• 1.3 本文的主要内容
• 2 双馈风力发电系统建模
• 2.1 双馈风力发电系统的组成及运行原理
• 2.1.1 双馈风力发电系统
• 2.1.2 风力发电机组的运行原理
• 2.2 风力发电系统的数学模型
• 2.3 转子测控制器控制策略及算法设计
• 2.3.1 定子磁链估计
• 2.3.2 转子侧变换器的控制策略
• 2.3.3 转子侧控制器的算法设计
• 2.4 本章小结
• 3 小波神经网络及算法
• 3.1 小波神经网络
• 3.1.1 小波神经网络的构造
• 3.1.2 小波基函数的选择
• 3.1.3 小波神经网络各层节点数的确定
• 3.1.4 小波神经网络参数的初始化
• 3.2 小波神经网络的学习算法
• 3.2.1 最小二乘算法
• 3.2.2 指数加权递推最小二乘算法
• 3.2.3 变学习率变加权递推最小二乘算法
• 3.3 本章小结
• 4 双馈风力发电系统中变流器的故障诊断
• 4.1 变流器开路故障对系统的影响及分析
• 4.1.1 单个功率开关发生开路故障对系统的影响
• 4.1.2 单相功率开关发生开路故障对系统的影响
• 4.2 开路故障诊断仿真实验
• 4.2.1 变流器的故障诊断方案
• 4.2.2 样本采集
• 4.2.3 小波神经网络的训练
• 4.2.4 开路故障诊断能力验证及实验分析
• 4.3 改进算法的小波神经网络故障诊断结果分析
• 4.4 本章小结
• 5 总结与展望
• 5.1 总结
• 5.2 展望
• 致谢
• 参考文献
• 附录
• A. 作者在攻读学位期间发表的论文目录
• B. 作者在攻读学位期间取得的科研成果目录