[摘 要]變頻器是控制風(fēng)機(jī)運(yùn)轉(zhuǎn)的重要設(shè)備，若其出現(xiàn)故障，會(huì)影響風(fēng)機(jī)的正常運(yùn)轉(zhuǎn)。為解決這一問(wèn)題，提出基于小波分析和變分模態(tài)分解（Variational mode decomposition，VMD）法的火電廠風(fēng)機(jī)變頻器故障識(shí)別方法。通過(guò)安裝探測(cè)器，采集火電廠風(fēng)機(jī)變頻器故障信號(hào)數(shù)據(jù)；通過(guò)VMD法得到變頻器最優(yōu)模態(tài)分量個(gè)數(shù)，對(duì)信號(hào)進(jìn)行去噪處理，濾除不相關(guān)的成分和噪聲干擾；利用小波分析提取故障信號(hào)特征，并對(duì)故障區(qū)域進(jìn)行識(shí)別。與其他變頻器故障識(shí)別方法進(jìn)行對(duì)比，對(duì)比試驗(yàn)結(jié)果表明，該方法識(shí)別故障的平均正確率可達(dá)96.53%，更具應(yīng)用優(yōu)勢(shì)。

[關(guān)鍵詞]小波分析；變分模態(tài)分解；變頻器；故障識(shí)別

[中圖分類號(hào)]TM621.2 [文獻(xiàn)標(biāo)志碼]A [文章編號(hào)]2095–6487（2024）06–0096–03

Fault Identification Method For Wind Turbine Frequency Converters in Thermal Power Plants Based on Wavelet Analysis and VMD

HAO Baoqian

[Abstract]The frequency converter is an important equipment to control the operation of the fan. If it fails， it will affect the normal operation of the fan. To solve this problem， a fault identification method of fan converter based on wavelet analysis and Variational mode decomposition （VMD） is proposed. By installing detector， the fault signal data of fan converter in thermal power plant is collected. The optimal modal component number of frequency converter is obtained by VMD method， and the signal is denoised to filter out the irrelevant components and noise interference. The feature of fault signal is extracted by wavelet analysis， and the fault area is identified. Compared with other inverter fault identification methods， the experimental results show that the average accuracy of this method is up to 96.53%， which is more advantageous in application.

[Keywords]wavelet analysis； variational mode decomposition； frequency converter； fault identification

在火電廠中應(yīng)用高壓變頻器可提升電廠運(yùn)行設(shè)備的安全穩(wěn)定性，且高壓變頻器可根據(jù)機(jī)組實(shí)際運(yùn)行的負(fù)荷要求向電動(dòng)機(jī)提供變頻電源，改變電機(jī)轉(zhuǎn)速，并降低設(shè)備運(yùn)行能耗，對(duì)火電廠節(jié)能運(yùn)行具有重要作用。在實(shí)際應(yīng)用過(guò)程中，由于火電廠高溫、多粉塵、高腐蝕等環(huán)境影響，導(dǎo)致變頻器易出現(xiàn)故障。為減少火電廠風(fēng)機(jī)高壓變頻器的故障發(fā)生率，維護(hù)檢修人員需做好日常維護(hù)及定期檢修工作，熟悉火電廠風(fēng)機(jī)變頻器日常運(yùn)行過(guò)程中變頻器過(guò)流、外部通信、功率單元過(guò)電壓/欠電壓、變壓器過(guò)熱等常見故障的發(fā)生原因，掌握故障排除措施，實(shí)現(xiàn)對(duì)高壓變頻器的科學(xué)維護(hù)管理，提高其運(yùn)行可靠性。因此，加強(qiáng)對(duì)火電廠風(fēng)機(jī)高壓變頻器的定期維護(hù)，掌握故障排除流程及方法，可大幅降低其故障發(fā)生率，發(fā)揮其變頻調(diào)速作用。

小波分析故障診斷方法被廣泛應(yīng)用，是信息處理方法中重要的一種。其以神經(jīng)網(wǎng)絡(luò)數(shù)據(jù)為基礎(chǔ)，通過(guò)小窗口和神經(jīng)網(wǎng)絡(luò)數(shù)據(jù)進(jìn)行對(duì)應(yīng)，可發(fā)現(xiàn)變頻器故障，并對(duì)此進(jìn)行診斷分析。將小波分析技術(shù)應(yīng)用到火電廠風(fēng)機(jī)變頻器故障診斷中既可獲得更加精準(zhǔn)的識(shí)別結(jié)果，又可提升識(shí)別效率。利用小波變換可對(duì)振動(dòng)信號(hào)中的突發(fā)性信號(hào)進(jìn)行有效辨識(shí)，可在狹小的局部空間內(nèi)對(duì)振動(dòng)頻率進(jìn)行分頻，并可對(duì)不同尺度下的振動(dòng)信號(hào)進(jìn)行解析，從而獲得不同尺度下的特征信息。因此，分析火電廠風(fēng)機(jī)變頻器故障原因，提出相應(yīng)的故障處理措施，并對(duì)所提措施進(jìn)行試驗(yàn)，確保高壓變頻器穩(wěn)定運(yùn)行，對(duì)火電廠機(jī)組運(yùn)行具有重要意義。

1 變頻器故障數(shù)據(jù)采集

火電廠風(fēng)機(jī)變頻器在出現(xiàn)故障時(shí)，可被采集的數(shù)據(jù)類型包括高頻信號(hào)、變頻超聲波信號(hào)及特高頻信號(hào)等。具體的采集方式為在火電廠風(fēng)機(jī)變頻器的某一位置處安裝采集器，然后將探測(cè)器安裝在采集器外表面上，通過(guò)特制電容器和探測(cè)器對(duì)變頻器進(jìn)行故障數(shù)據(jù)采集。采集一次后繼續(xù)對(duì)變頻器故障數(shù)據(jù)進(jìn)行采集，如此循環(huán)，直至采集到火電廠風(fēng)機(jī)變頻器所有的故障數(shù)據(jù)參數(shù)時(shí)，停止采集。

2 利用VMD進(jìn)行去噪處理

對(duì)火電廠風(fēng)機(jī)故障數(shù)據(jù)采集完畢后，發(fā)現(xiàn)采集的故障數(shù)據(jù)中產(chǎn)生了噪聲，故通過(guò)變分模態(tài)分解（VMD）法對(duì)所采集到的變頻器故障數(shù)據(jù)進(jìn)行優(yōu)化，實(shí)現(xiàn)去噪。

VMD設(shè)計(jì)多項(xiàng)基本參數(shù)，包括火電廠風(fēng)機(jī)變頻器模態(tài)分量個(gè)數(shù)K、火電廠風(fēng)機(jī)變頻器懲罰因子α、火電廠風(fēng)機(jī)變頻器判別精度ε和火電廠風(fēng)機(jī)變頻器保真系數(shù)T。在這幾項(xiàng)參數(shù)中，火電廠風(fēng)機(jī)變頻器判別精度ε和火電廠風(fēng)機(jī)變頻器保真系數(shù)T對(duì)VMD的分解去噪處理基本無(wú)效果影響，所以在文章研究時(shí)，選擇了默認(rèn)參數(shù)。剩下的變頻器模態(tài)分量個(gè)數(shù)K和變頻器懲罰因子α決定去噪處理的過(guò)程以及結(jié)果，文章將選取不同的數(shù)值進(jìn)行設(shè)定 。

將通過(guò)VMD算法分解獲取的IMF分量按照頻率取值大小進(jìn)行排序，但采用傳統(tǒng)VMD算法進(jìn)行去噪會(huì)導(dǎo)致故障數(shù)據(jù)的高頻部分丟失，綜合考慮，文章擬在小波分析的基礎(chǔ)上，引入VMD分解評(píng)價(jià)系數(shù)，以此作為對(duì) VMD分解評(píng)估系數(shù)進(jìn)行更科學(xué)的選擇，從而在實(shí)現(xiàn)最優(yōu)化分析結(jié)果的同時(shí)又兼顧運(yùn)行效果。

根據(jù)式（3）可得，Cal和Var之間呈正相關(guān)的關(guān)系，Cal與δ成反比；當(dāng)?shù)贸龅腃al越大時(shí)，VMD可對(duì)火電廠風(fēng)機(jī)變頻器分解的信號(hào)越精細(xì)，也就越接近最開始的信號(hào)數(shù)據(jù)，證明VMD分解將更好地去除故障數(shù)據(jù)中的噪聲。所以，假設(shè)K是各不相同的數(shù)值時(shí)，可得到不同的Cal，選擇這些數(shù)據(jù)中最大的數(shù)據(jù)，就能夠確定火電廠風(fēng)機(jī)變頻器VMD最優(yōu)模態(tài)分量個(gè)數(shù)K。通過(guò)一系列方法使變頻器噪聲信號(hào)變得明確，從而確定噪聲，去噪步驟就此完成。

3 小波分析提取故障特征

利用小波分析提取火電廠風(fēng)機(jī)變頻器的故障特征。文章將結(jié)合實(shí)踐經(jīng)驗(yàn)，設(shè)置小波分解的層數(shù)為4，以此實(shí)現(xiàn)對(duì)故障信號(hào)特征的提取。具體執(zhí)行的步驟如下。

（1）獲取風(fēng)機(jī)變頻器存儲(chǔ)的信號(hào)數(shù)據(jù)，采用j層小波包分解方式對(duì)第j層的特征量進(jìn)行提取。需要注意的是，此時(shí)提取的特征量涵蓋各種不同的頻率段，由低頻至高頻均有涉及，通過(guò)這種方式保障后續(xù)故障診斷中對(duì)不同程度故障的準(zhǔn)確識(shí)別。

（2）以小波分析提取的信號(hào)特征作為基礎(chǔ)，構(gòu)建包含二分支的最優(yōu)小波包分解樹，樹的層級(jí)為4級(jí)。

通過(guò)上式得到最優(yōu)小波分解樹，由此變頻器故障的特征提取完成，即火電廠風(fēng)機(jī)變頻器故障識(shí)別完成。

4 對(duì)比試驗(yàn)

4.1 試驗(yàn)環(huán)境設(shè)置

為驗(yàn)證基于小波分析和VMD的火電廠風(fēng)機(jī)變頻器故障識(shí)別方法的有效性，在相同的試驗(yàn)環(huán)境下選擇文獻(xiàn)[2]方法的風(fēng)機(jī)變頻器故障識(shí)別方法和文獻(xiàn)[10]的風(fēng)機(jī)變頻器故障識(shí)別方法進(jìn)行對(duì)比試驗(yàn)。在文獻(xiàn)[2]中，使用極限學(xué)習(xí)機(jī)構(gòu)建了一種分類器，用于火力發(fā)電廠風(fēng)機(jī)變頻器的故障識(shí)別，但未使用 PSO優(yōu)化方法確定輸入權(quán)重和隱含層偏差；文獻(xiàn)[10]以SVM為基礎(chǔ)，構(gòu)建了一種基于SVM的火電廠風(fēng)機(jī)變頻器的故障識(shí)別分類器，并利用粗集理論對(duì)電力變壓器的故障進(jìn)行了特征提取。

4.2 試驗(yàn)樣本數(shù)據(jù)

為測(cè)試火電廠風(fēng)機(jī)變頻器故障識(shí)別方法的通用性，選擇5種類型的風(fēng)機(jī)變頻器故障作為試驗(yàn)對(duì)象，樣本數(shù)據(jù)見表1。

為了避免偶然性，每種樣本進(jìn)行3次試驗(yàn)。

4.3 試驗(yàn)

試驗(yàn)階段，在MATLAB模擬環(huán)境下，以三相橋型直流逆變器與三相橋型交流整流器為基礎(chǔ)，構(gòu)建1臺(tái)電站用直流變頻調(diào)速系統(tǒng)。由這兩組變頻器之間的相互作用組成變頻器一次側(cè)的回路，其相互影響的形式是交—直—交。對(duì)各種故障參數(shù)的設(shè)定，以控制波形為主。其中，一是調(diào)整火電廠風(fēng)機(jī)整流側(cè)輸出波形變換變頻器頻率，二是調(diào)整火電廠風(fēng)機(jī)另一側(cè)的輸出波形變換變頻器電壓。具體的結(jié)構(gòu)設(shè)計(jì)部分是將二者進(jìn)行結(jié)合，并結(jié)合其他部分后實(shí)現(xiàn)對(duì)變頻器模型的構(gòu)建，具體如圖1所示。

結(jié)合圖1所示的火電廠風(fēng)機(jī)變頻器模型結(jié)構(gòu)可看出，文章構(gòu)建的測(cè)試環(huán)境中共包含3個(gè)入口以供橋臂驅(qū)動(dòng)電流交互，分別對(duì)應(yīng)A，B，C相，同時(shí)設(shè)置了針對(duì)性的裝置對(duì)A相對(duì)地電壓進(jìn)行測(cè)量，以此將處理后得到的信號(hào)作為正弦脈寬調(diào)制信號(hào)。

5 試驗(yàn)結(jié)果分析

對(duì)3種方法在火電廠風(fēng)機(jī)變頻器故障識(shí)別中應(yīng)用時(shí)的正確識(shí)別故障次數(shù)進(jìn)行了比較，得到了如圖2所示的結(jié)果。

分析圖2中的試驗(yàn)結(jié)果可知，在3種方法中，使用小波分析法與VMD法相結(jié)合得到的火電廠風(fēng)機(jī)變頻器故障辨識(shí)正確率最高，平均準(zhǔn)確率為96.53%，文獻(xiàn)[2]方法對(duì)變頻器故障辨識(shí)平均準(zhǔn)確率為92.63%，文獻(xiàn)[10]方法對(duì)變頻器故障辨識(shí)平均準(zhǔn)確率為91.42%。通過(guò)上述數(shù)據(jù)可以看出，將小波分析法與VMD法相結(jié)合，可提高風(fēng)機(jī)變頻器故障辨識(shí)的準(zhǔn)確率，充分發(fā)揮小波分析法與VMD法相結(jié)合在火電廠風(fēng)機(jī)變頻器中的優(yōu)勢(shì)。

6 結(jié)束語(yǔ)

文章提出的基于小波分析和VMD的火電廠風(fēng)機(jī)變頻器故障識(shí)別方法，通過(guò)采集火電廠風(fēng)機(jī)變頻故障數(shù)據(jù)，利用VMD方法進(jìn)行優(yōu)化從而獲取火電廠風(fēng)機(jī)變頻器的最優(yōu)系數(shù)，同時(shí)利用小波變換得到火電廠風(fēng)機(jī)變頻器的模態(tài)最大值，最后根據(jù)對(duì)比試驗(yàn)進(jìn)行分析，得出將小波分析和VMD結(jié)合可實(shí)現(xiàn)對(duì)火電廠風(fēng)機(jī)變頻器故障識(shí)別的結(jié)論。

參考文獻(xiàn)

[1] 劉鳳剛，劉明亮.石油鉆機(jī)變頻器故障診斷方法研究[J].中國(guó)設(shè)備工程，2023（11）：161-163.

[2] 馬新喜.火力發(fā)電廠鍋爐風(fēng)機(jī)變頻器故障自動(dòng)診斷技術(shù)研究[J].電工技術(shù)，2023（11）：222-224.

[3] 楊璞.英德拉二次雷達(dá)馬達(dá)變頻器接地短路故障測(cè)試與分析[J].民航學(xué)報(bào)，2023，7（3）：49-52.

[4] 艾志春，彭美霞.變頻器在焦化干熄焦提升機(jī)上應(yīng)用時(shí)的故障解析[J].電器工業(yè)，2023（5）：49-52.

[5] 齊健，劉軍，劉艷群，等.起重用變頻器速度監(jiān)視故障機(jī)理分析與處理[J].起重運(yùn)輸機(jī)械，2023（3）：65-71.

[6] 王迪迪.2A空預(yù)器主變頻器跳閘故障案例研究及防范措施[J].中國(guó)設(shè)備工程，2023（1）：139-141.

[7] 叢麗麗，劉志黨.論變頻器在工業(yè)中應(yīng)用與常見故障處理[J].電氣開關(guān)，2022，60（6）：122-124.

[8] 鄭磊.變頻器輸出異常引起風(fēng)機(jī)振動(dòng)停機(jī)的故障分析[J].水泥技術(shù)，2022（6）：47-50.

[9] 牟澤睿，崔東旭.核電廠反應(yīng)堆冷卻劑泵變頻器調(diào)試故障分析及風(fēng)險(xiǎn)評(píng)估[J].新型工業(yè)化，2022，12（11）：39-43，53.

[10] 周業(yè)春，耿海波.變頻器在自動(dòng)化控制系統(tǒng)中的應(yīng)用及其故障研究[J].現(xiàn)代工業(yè)經(jīng)濟(jì)和信息化，2022，12（10）：120-122.