錢雅云，馬宏忠

（河海大學(xué)能源與電氣學(xué)院，南京 210098）

雙饋異步電機故障診斷方法綜述

錢雅云，馬宏忠

（河海大學(xué)能源與電氣學(xué)院，南京 210098）

雙饋異步電機運行環(huán)境較為惡劣，運行工況復(fù)雜多變，其運行狀況的好壞直接對風(fēng)力發(fā)電系統(tǒng)乃至整個電力系統(tǒng)產(chǎn)生較大的影響。本文在介紹雙饋異步電機常見故障類型的基礎(chǔ)上闡述了常見故障產(chǎn)生的機理，再從信號處理技術(shù)角度詳細(xì)分析了目前常用的故障診斷方法，并對未來雙饋異步電機故障診斷的發(fā)展趨勢和方向進(jìn)行了展望。

雙饋異步電機；快速傅里葉變換；離散小波變換；狀態(tài)觀測器；故障診斷

1 引言

風(fēng)能作為一種可再生資源已經(jīng)得到世界各國的廣泛關(guān)注。目前投入商業(yè)運行的風(fēng)力發(fā)電機組主要采用雙饋異步發(fā)電機、籠型異步發(fā)電機和永磁同步發(fā)電機三種，其中雙饋異步電機憑借其良好的控制效果、柔性化、有功無功解耦以及工作范圍寬等優(yōu)勢占取了絕大部分的市場份額[1]。由于雙饋異步電機長期工作在野外、暴曬和雷雨等惡劣環(huán)境中，是整個風(fēng)力發(fā)電系統(tǒng)中易發(fā)生故障的部分，因此對其故障表征進(jìn)行研究，及時發(fā)現(xiàn)其中的潛在故障并維修，對保證發(fā)電機乃至整個系統(tǒng)的正常安全運行具有重大的實際意義。

2 常見的故障類型

風(fēng)力發(fā)電過程中存在機械系統(tǒng)、電路系統(tǒng)、磁路系統(tǒng)和通風(fēng)散熱系統(tǒng)等相互關(guān)聯(lián)的工作系統(tǒng)，涉及到機、電、磁、力等物理甚至化學(xué)演變過程0。正因為如此復(fù)雜的運行工況，導(dǎo)致雙饋異步電機的故障類型也是多種多樣的。從電機結(jié)構(gòu)來看，可分為定子故障、轉(zhuǎn)子故障、軸承故障和氣隙偏心故障等，其中軸承部分故障占40%，定子部分為38%，轉(zhuǎn)子部分為10%。

雙饋異步電機定子部分的故障除了受到繞組本身的絕緣破壞影響外，還受到電網(wǎng)波動等因素的影響，其故障表現(xiàn)形式有匝間短路、相間短路和單相接地短路等；而轉(zhuǎn)子通過變頻器與控制系統(tǒng)相連，變頻器向轉(zhuǎn)子提供電流，對轉(zhuǎn)子也有一定的影響；軸承部分的故障主要是由于負(fù)載過重等引起的軸承磨損以及表面碎裂等；氣隙偏心故障主要是由于長期運行中使得軸承發(fā)生彎曲變形，造成轉(zhuǎn)子與定子之間的氣隙不均勻，有時候也有可能會因為安裝不良而引起。

3 故障機理研究

電機中所有的故障都是按照一定的機理產(chǎn)生和發(fā)展的，具有一定的規(guī)律性。只有對各種故障機理充分了解的情況下，采用先進(jìn)的診斷方法，準(zhǔn)確地提取故障特征，才能對故障做出判斷。因此，故障機理和故障特征的分析是進(jìn)行故障診斷的前提。

3.1 匝間短路故障

當(dāng)雙饋異步電機正常工作時候，產(chǎn)生的定子電流是對稱的，并且定、轉(zhuǎn)子電流頻率分別為f和sf；當(dāng)電機定子發(fā)生匝間短路故障時，定子電流失去對稱性，從而產(chǎn)生了反向旋轉(zhuǎn)的磁場，并在轉(zhuǎn)子電流中產(chǎn)生頻率為（2-s）f的故障諧波分量。該頻率成分又反作用于定子電流，這樣故障諧波分量便傳播開來，定子電流中的諧波表達(dá)式為 ( fksa=±kf)，轉(zhuǎn)子側(cè)中為(fkra=(2k ±s)kf )。所以可以通過檢測其中的諧波成分來判斷是否出現(xiàn)了匝間短路故障[3]。

3.2 軸承故障

軸承故障分為內(nèi)圈故障、外圈故障、滾動體故障以及保持架故障，這些故障發(fā)生后將產(chǎn)生周期性沖擊，從而激起電機軸承結(jié)構(gòu)與測量傳感器上的振動，所以可以通過對振動信號的分析抽取故障源信號，從而診斷出軸承故障。另外軸承故障引起電機轉(zhuǎn)軸振動，轉(zhuǎn)軸振動又引起氣隙振動，使氣隙磁通受到調(diào)制[4]，從而在定子繞組內(nèi)感生出相應(yīng)的諧波電流，所以可以通過對定子電流的信號分析處理來診斷軸承故障。

3.3 氣隙偏心故障

氣隙偏心主要是由于長期運行中電機軸承彎曲變形，造成轉(zhuǎn)子與定子之間的氣隙不均勻。雙饋異步電機出現(xiàn)氣隙偏心故障后，電機定子電流中將出現(xiàn)附加分量，所以判斷電機是否出現(xiàn)偏心故障的方法是對定子電流信號做頻譜分析，檢測其中是否含有上述頻率分量。

4 故障診斷方法

由故障機理分析可知，雙饋異步電機處于異常運行或故障狀態(tài)時，必然會引起一些電氣量(電流、電壓、功率、轉(zhuǎn)矩等)或非電氣量(光、聲、熱量、振動等)的變化，這些物理量的變化是檢測和判斷故障類型、嚴(yán)重程度的重要信息。

現(xiàn)有的故障診斷方法，正是基于對這些反映電機運行狀態(tài)的物理量的變化規(guī)律的認(rèn)識上發(fā)展起來的。目前主要應(yīng)用的診斷方法有：局部放電監(jiān)測、電流高次諧波和不平衡檢測、磁通檢測法、定子電流檢測法、轉(zhuǎn)速脈動檢測法、機體振動檢測法以及溫升檢測法等[5]。這些診斷方法都是通過現(xiàn)有的測量設(shè)備獲取對應(yīng)的電氣量或非電氣量信號，再采用先進(jìn)高效信號處理技術(shù)對信號進(jìn)行分析處理，最終精確地提取能夠反映故障性質(zhì)和故障程度的特征信息。

4.1 基于快速傅里葉變換的故障診斷法

傅里葉變換是頻域分析的基礎(chǔ)。故障診斷中，對采樣信號進(jìn)行傅里葉級數(shù)分解得到各次諧波的幅值和相位，并對得到的頻譜進(jìn)行分析，找出與故障對應(yīng)的特征量來診斷電機的故障。

文獻(xiàn)[6]提出了一種基于快速傅里葉分析(FFT)處理轉(zhuǎn)子調(diào)整信號分析的方法。其通過在定、轉(zhuǎn)子繞組中串聯(lián)電阻的方式來模擬定、轉(zhuǎn)子繞組不對稱故障，并結(jié)合FFT來提取定、轉(zhuǎn)子電流以及轉(zhuǎn)子調(diào)整信號的頻譜，通過比較故障情況下定、轉(zhuǎn)子電流的諧波頻譜和轉(zhuǎn)子調(diào)整信號的頻譜來驗證該方法是否有效。上述故障機理表明，當(dāng)定子出現(xiàn)不對稱故障時，轉(zhuǎn)子中會在頻率（2-s）f處產(chǎn)生諧波。分析兩者經(jīng)FFT得到的頻譜可知，轉(zhuǎn)子電流頻譜的幅值為－48dB，而轉(zhuǎn)子調(diào)整信號的幅值為－28dB；同樣模擬轉(zhuǎn)子繞組不對稱故障時，轉(zhuǎn)子調(diào)整信號特征頻率的幅值也明顯大于定子電流特征頻率的幅值。由此可見，采用FFT來分析定轉(zhuǎn)子繞組不對稱故障不失為一個簡易有效的方法。

4.2 基于功率譜密度的故障診斷法

功率譜密度(PSD)分析是目前故障診斷中使用最多的分析方法之一。文獻(xiàn)[7]通過分析信號的功率譜密度成功診斷匝間短路故障。

首先對DFIM在對稱負(fù)載、10%不對稱負(fù)載以及4匝匝間短路故障三種情況下轉(zhuǎn)子對稱性對其電流功率譜密度（PSD）進(jìn)行了仿真。結(jié)果表明，諧波次數(shù) 3=k ，即f=127.5Hz頻率處的諧波分量的PSD最為明顯。進(jìn)一步分析該諧波分量在空載、半載和滿載三種不同的負(fù)載情況下的PSD值發(fā)現(xiàn)，其值隨著短路匝數(shù)的增加而顯著增加，且負(fù)載情況對其的影響遠(yuǎn)小于短路匝數(shù)的影響，這說明該頻率分量可以作為匝間短路故障的特征頻率。為了驗證上述仿真結(jié)論，通過對實驗測得的轉(zhuǎn)子相電流、轉(zhuǎn)子電流空間矢量以及轉(zhuǎn)子探測線圈電壓三個信號進(jìn)行PSD分析，結(jié)果同樣發(fā)現(xiàn)f=127.5Hz處的PSD值最能反映故障情況。除此以外，轉(zhuǎn)子空間矢量信號和轉(zhuǎn)子探測線圈電壓信號比轉(zhuǎn)子相電流信號的PSD效果更為顯著，而三個信號在不同轉(zhuǎn)差和不同短路匝數(shù)下的信噪比(SNR)再一次驗證了上述觀點。綜上，分析DFIM轉(zhuǎn)子電流空間矢量和轉(zhuǎn)子探測電壓的PSD值可以檢測匝間短路故障。

對上述兩種方法做進(jìn)一步分析可以發(fā)現(xiàn)，F(xiàn)FT和PSD分析法均適用于穩(wěn)態(tài)情況下即轉(zhuǎn)差率s不變的情況。而 DFIM 的風(fēng)速不可能保持恒定，所以當(dāng)s變化時，獲得的故障特征量可能會以正比于風(fēng)速變化的帶寬擴散，從而使得采用這些方法很有可能出現(xiàn)誤判；除此以外，F(xiàn)FT和PSD分析法并不能提供特征信號的時域信息，這些因素決定了需要尋求新的方法。

4.3 基于離散小波變換的故障診斷法

由上述分析可知，F(xiàn)ourier變換存在缺乏空間局部性和不能給出時域信息等缺點，而這兩者正是我們故障診斷所需要的。小波分析是在視窗Fourier變換的局部化思想的基礎(chǔ)上發(fā)展起來的一種方法，其具有用多重分辨率來刻畫信號局部特性的能力，使其很適用于探測正常信號中夾帶的瞬間反?，F(xiàn)象并展示其成分，這對于故障診斷有著非常重要的意義[8]。有文獻(xiàn)同時采用了傅里葉分析和小波變換，并將兩者做了對比，結(jié)果發(fā)現(xiàn)，小波變換憑借其良好的時頻特性以及高質(zhì)量的分辨率在檢測電機故障上取得了絕對的優(yōu)勢。

文獻(xiàn)[7]采用離散小波變換(DWT)對定子電流信號進(jìn)行8層分解，操作過程中分別采用了Harrl(db1)小波、Daubechies(db5)小波以及 Dmeyer(demey)小波作為母波，并分別從能量、差異角度對三者進(jìn)行比較。實驗結(jié)果發(fā)現(xiàn)，三種母波均可用于檢測負(fù)荷碰撞，并且dmeyer小波的效果最為顯著，Daubechies小波次之。這就說明使用DWT進(jìn)行故障診斷時候，選取合適有效的母波至關(guān)重要。對轉(zhuǎn)子電流采用離散小波變換來診斷雙饋異步電機的定子繞組不對稱故障，并分別就穩(wěn)態(tài)情況和暫態(tài)情況做了討論。實驗和仿真結(jié)果均表明，穩(wěn)態(tài)和暫態(tài)情況下，細(xì)節(jié)系數(shù)d4和d5的幅值均隨著故障的嚴(yán)重程度不斷增加，且風(fēng)速對診斷結(jié)果沒有影響。為了量化故障的嚴(yán)重程度，計算出每層分解后的平均功率，通過每層功率的變化來衡量故障嚴(yán)重程度，取得良好的效果。上述兩種情況均是將離散小波變換用于電流信號，也有學(xué)者將連續(xù)小波變換用于功率信號來診斷轉(zhuǎn)子故障且收獲甚大。

從上述小波變換的應(yīng)用可以看出，小波變換不僅可以用于分析電流、電壓、磁通、功率等信號量，還可以通過構(gòu)造其分解后的系數(shù)來判別故障的嚴(yán)重程度，從而量化故障情況，這使得故障診斷更直觀明了。而且各母波所對應(yīng)的功能不盡相同，使用時可以全方位的權(quán)衡考慮，選擇最合適的母波來進(jìn)行故障診斷。

4.4 基于狀態(tài)觀測器的故障診斷法

除了上述采用數(shù)字信號處理方法來分析傳感器測得的電信號或者非電信號的診斷方法外,基于狀態(tài)觀測器的診斷方法憑借其可以重構(gòu)電機的內(nèi)部狀態(tài)獲得的廣泛的應(yīng)用。

文獻(xiàn)[9]首先將雙饋異步電機電流寫成如下微分方程：

其中，K為狀態(tài)反饋陣，用于計算觀測器輸出量和系統(tǒng)輸出量間的誤差。接著在正常和匝間短路故障下進(jìn)行仿真并計算出觀測器和系統(tǒng)間的觀測誤差，若該觀測誤差快速收斂為0，則未發(fā)生故障；若某個故障量的觀測誤差發(fā)生突變或超過某一閾值，則此處發(fā)生了故障。仿真結(jié)果均說明該觀測器適用于暫態(tài)條件并且可以準(zhǔn)確的檢測雙饋異步電機的故障。目前基于該方法的診斷主要停留在仿真階段，在今后的研究中應(yīng)側(cè)重于實際故障診斷，這對該方法的發(fā)展有著更為重要的意義。

5 DFIM故障診斷發(fā)展趨勢

5.1 對目前診斷方法的評述

現(xiàn)有的對雙饋異步電機故障診斷的研究大都是通過軟件仿真或?qū)嶒炇夷M的方法模擬故障，分析故障表征，再提出某種方法對測得的信號進(jìn)行處理，提取故障特征,從而確定故障性質(zhì)或程度。需要注意的是，實際操作中受到現(xiàn)場齒輪箱、葉輪及運行環(huán)境的影響，測得的信號并沒有仿真信號理想。所以對實際信號進(jìn)行處理的過程中，需要先采取一定的措施排除干擾因素，才能保證精確地提取故障特征量。除此以外，仿真研究中也應(yīng)考慮更多的實際影響因素，從而使仿真信號更貼近實際信號。

5.2 DFIM故障診斷發(fā)展趨勢

通過上述研究發(fā)現(xiàn)，DFIM故障診斷方法總是遵循著分析故障機理、監(jiān)測故障量、提出特征量、根據(jù)特征量確定有無故障及故障程度的順序，這就啟發(fā)研究人員將雙饋異步電機故障診斷在現(xiàn)有研究基礎(chǔ)上向?qū)＜以\斷系統(tǒng)方向發(fā)展。該系統(tǒng)中包含全面的故障現(xiàn)象，在診斷時將故障現(xiàn)象與故障機理聯(lián)系，初步斷定故障范圍后，選取對應(yīng)的信號處理方法來提取故障特征量，從而提前確定故障性質(zhì)類型并及時維修，避免造成重大損失。

[1] 張國新.風(fēng)力發(fā)電并網(wǎng)技術(shù)及電能質(zhì)量控制策略[J].電力自動化設(shè)備,2009,29(6):130-132.

[2] 劉炯.感應(yīng)電機定子繞組匝間短路故障[D]. 杭州：浙江大學(xué)，2007.

[3] Gritli Y, Stefani A, Filippetti F. Stator Fault Analysis Based on Wavelet Technique for Wind Turbine Equipped with DFIG[C]. International Conference on Clean Electrical Power, Tunisia，2009:485-491.

[4] 郭君博，王奉濤，王亮. 異步電機在線監(jiān)測系統(tǒng)研究[J].機電工程技術(shù)，2009，38(2)：86-88.

[5] Mclnerny S A, Dai Y. Basic Vibration Signal Processing for Bearing Fault Detection[J].IEEE Transactions on Education, 2003, 46(1):149-156.

[6] Stefani A, Yazidi A, Filippetti A, et al. Doubly Fed Induction Machine Diagnosis Based on Signature Analysis of Rotor Modulating Signals[J].IEEE Transactions on Industry Application, 2008,44(6):1711-1721.

[7] Shah D, Nandi S, Neti P. Stator Inter-turn Fault Detection of Doubly-Fed Induction Generators Using Rotor Current and Search Coil Voltage Signature Analysis[J]. IEEE Transactions on Industry Application, 2009, 45(5):1831-1842.

[8] Al-Ahmar E, Benbouzid M E H, Amirat Y, et al.DFIG- Based Wind Turbine Fault Diagnosis Using a Specific Discrete Wavelet Transform[C].The 18th International Conference on Electrical Machines,Brest, France, 2008:1-6.

[9] Dinkhauser V, Fuchs F W. Detection of Rotor Turn-to-turn Faults in Doubly-Fed Induction Generators in Wind Energy Plants by means of Observers[C].The 13th European Conference on Power Electronics and Applications, Kiel, Germany,2009:1-10.

A Survey of Fault Diagnosis Method for Doubly-fed Induction Motor

QIAN Ya-yun, MA Hong-zhong
(College of Energy and Electrical Engineering, Hohai University, Nanjing 210098, China)

Doubly-fed induction motor operates in a severe environment and complex operating conditions. Its operating conditions have a direct impact on wind power generation system and the whole power system. This paper analyzes the failure mechanisms based on describing common faults in double-fed induction motor (DFIM), and then summarizes the fault diagnosis method used nowadays from the aspect of signal processing technology. At last, it analyzes the trends and direction of doubly-fed induction motor fault diagnosis in future.

DFIM; fast fourier transform; discrete wavelet transform; state observer; fault diagnosis

TM307+.1

A

1000-3983(2011)05-0005-04

2009年教育部博士點基金項目（20090944110011）

2010-12-02

[修改日期]2011-01-06

錢雅云（1987-），現(xiàn)為河海大學(xué)能源與電氣學(xué)院研究生，主要研究方向為電力設(shè)備狀態(tài)檢測與故障診斷，風(fēng)力發(fā)電機故障診斷，新能源發(fā)電等。