□ 王馥華 □ 姚 凱 □ 陸 軼

上海市質(zhì)量監(jiān)督檢驗技術研究院 上海 200072

在風電場中,雙饋異步風力發(fā)電機運行時不時會出現(xiàn)故障。因此,盡早對雙饋異步風力發(fā)電機進行故障判斷,確定發(fā)生故障的相,這特別重要。通過Elman神經(jīng)網(wǎng)絡快速找到轉(zhuǎn)子繞組匝間短路故障的發(fā)生相,可以節(jié)省時間和維護成本,并且可以快速而準確地確認故障位置。

1 傳統(tǒng)Elman神經(jīng)網(wǎng)絡結構

傳統(tǒng)Elman神經(jīng)網(wǎng)絡基本結構如圖1所示,輸入層為第一層,隱藏層為第二層,承接層為第三層,輸出層為第四層。

▲圖1 傳統(tǒng)Elman神經(jīng)網(wǎng)絡基本結構

對于傳統(tǒng)Elman神經(jīng)網(wǎng)絡,假設第一層節(jié)點i與第二層節(jié)點j通過可變因數(shù)W1進行信息傳遞,第二層節(jié)點i與第三層節(jié)點j通過可變因數(shù)W2進行關聯(lián),第四層節(jié)點i與第二層節(jié)點j通過可變因數(shù)W3進行信息傳遞。

2 Elman神經(jīng)網(wǎng)絡結構改進

在傳統(tǒng)Elman神經(jīng)網(wǎng)絡的基礎上,添加一個新的權值W4,位于第四層節(jié)點和第三層節(jié)點的中間。f(x)是Elman神經(jīng)網(wǎng)絡第二層節(jié)點函數(shù)Sigmoid函數(shù):

f(x)=1/(1+e-αx)

(1)

對傳統(tǒng)Elman神經(jīng)網(wǎng)絡進行改進,結構原理如圖2所示。

▲圖2 改進Elman神經(jīng)網(wǎng)絡結構原理

改進后,隱藏層利用z(-1)連接到輸出層。考慮到承接層在第k+1步反饋的誤差,必須延遲一步才能用于第k步權值的修正。改進Elman神經(jīng)網(wǎng)絡狀態(tài)方程為:

X(k+1)=W3f[X(k)]+W1U(k+1)

(2)

Y(k+1)=W4X(k)+W2X(k+1)

(3)

式中:U(k)為輸入層節(jié)點的輸出;X(k)為承接層節(jié)點的輸出;Y(k)為輸出層節(jié)點的輸出。

由改進Elman神經(jīng)網(wǎng)絡狀態(tài)方程可知,添加新權值W4,可以使Elman神經(jīng)網(wǎng)絡的動態(tài)性能和收斂能力更強。

3 試驗樣本獲取

試驗中,以雙饋異步風力發(fā)電機定子繞組三相電流的諧波幅值及轉(zhuǎn)子繞組三相電壓的幅值作為故障特征量,通過ANSYS軟件仿真雙饋異步風力發(fā)電機故障,得到樣本數(shù)據(jù)。

單相匝間短路時故障樣本數(shù)據(jù)見表1～表3。當轉(zhuǎn)子繞組兩相正常,另一相發(fā)生三種不同程度匝間短路故障時,獲得故障樣本數(shù)據(jù)。IA、IB、IC為定子繞組諧波幅值為(1-2s)f的三相電流,U、V、W為轉(zhuǎn)子繞組三相電壓的幅值,s為電機轉(zhuǎn)差率,f為電源頻率。

表1 U相匝間短路時故障樣本數(shù)據(jù)

表2 V相匝間短路時故障樣本數(shù)據(jù)

表3 W相匝間短路時故障樣本數(shù)據(jù)

正常情況下,IA為4.06 A,IB為4.06 A,IC為8.12 A,U為394.65 V,V為394.65 V,W為394.65 V。由表1～表3可知,當雙饋異步風力發(fā)電機轉(zhuǎn)子繞組單相發(fā)生匝間短路故障時,定子繞組三相電流和轉(zhuǎn)子繞組三相電壓的幅值這六個故障特征量有不同的取值。這些數(shù)據(jù)可以為Elman神經(jīng)網(wǎng)絡的訓練提供樣本。

4 Elman神經(jīng)網(wǎng)絡設計

由表1～表3可知,雙饋異步風力發(fā)電機轉(zhuǎn)子繞組單相匝間短路故障的特征量有六個,所以筆者將Elman神經(jīng)網(wǎng)絡輸入層節(jié)點的數(shù)量設定為6,主要檢測雙饋異步風力發(fā)電機轉(zhuǎn)子繞組匝間短路故障的發(fā)生相。由此,Elman神經(jīng)網(wǎng)絡的輸出由四個輸出單元組成,具體見表4。

表4 Elman神經(jīng)網(wǎng)絡輸出單元

Elman神經(jīng)網(wǎng)絡第一層與第三層的節(jié)點數(shù)量已經(jīng)確定,根據(jù)經(jīng)驗,隱藏層節(jié)點數(shù)量滿足:

(4)

式中:L為隱藏層節(jié)點數(shù)量;M為輸入層節(jié)點數(shù)量;N為輸出層節(jié)點數(shù)量;a為1～10之間的調(diào)節(jié)常數(shù)。

將數(shù)據(jù)代入式(4),可以得到隱藏層節(jié)點的數(shù)量為4～13之間的常數(shù)。改變隱藏層節(jié)點的數(shù)量,網(wǎng)絡學習的誤差達到0.01時所需的訓練次數(shù)隨隱藏層節(jié)點數(shù)量的變化而變化,見表5。

表5 訓練精度達到0.01時所需訓練次數(shù)

由表5可知,當隱藏層節(jié)點的數(shù)量選定為13時,Elman神經(jīng)網(wǎng)絡的訓練時間最短。

5 對比仿真

在保證隱藏層節(jié)點數(shù)量為13的情況下,用同樣的樣本對改進Elman神經(jīng)網(wǎng)絡進行訓練。從仿真試驗中獲取故障數(shù)據(jù),見表6。

表6 仿真試驗故障數(shù)據(jù)

用傳統(tǒng)Elman神經(jīng)網(wǎng)絡對表6數(shù)據(jù)進行測試,得到仿真結果為:

用改進Elman神經(jīng)網(wǎng)絡對表6數(shù)據(jù)進行測試,得到仿真結果為:

根據(jù)歐式范數(shù)理論,Elman神經(jīng)網(wǎng)絡各相短路測試誤差見表7。

表7 Elman神經(jīng)網(wǎng)絡短路測試誤差

6 結束語

由表7可知,利用改進Elman神經(jīng)網(wǎng)絡能夠在較短時間內(nèi)完成對雙饋異步風力發(fā)電機故障的診斷,并且準確度較高,為雙饋異步風力發(fā)電機匝間短路故障相的診斷提供了一種方法。