[发明专利]ANFIS风电双馈异步电机气隙偏心故障诊断分类方法

说明书

技术领域

本发明涉及一种ANFIS（自适应神经模糊推理系统）风电双馈异步电机气隙偏心故障诊断分类方法，归属于电机状态检测与故障诊断这一领域。

背景技术

自“十二五”规划起，我国能源行业便致力于积极推动节能减排、低碳绿色、全面协调可持续战略方针的实施。而风力发电技术凭借其能源清洁性、绿色环保性和源源不断性逐渐成为当今世界新能源发展潮流中炙手可热的主流方向。

在目前投入运行的风电机组中，变速恒频风力发电机以其良好的性能和稳定的结构逐渐成为主流机型，而双馈异步发电机作为维持变速恒频性能的重要设备，它的运行状态和性能优劣成为人们重点关心的问题。由于我国风力资源分配不均匀，大部分处于西北及沿海等地势偏僻、条件恶劣的地区，所以风电机组的工作状况受外部气候及周围环境的影响很大；再加上自然界风速的不稳定性等等，这些因素直接导致了双馈异步电机故障的频发性和大概率性，严重影响到机组的正常运行和使用寿命，造成巨额的经济损失。因此，对风电机组双馈异步电机实行状态监测和故障诊断是大势所趋，也是唯一手段。

对于双馈异步电机而言，转子不足、轴承磨损还有安装操作的误差等等都会引起气隙偏心故障的发生。轻则导致电机的气隙磁场产生畸变，扰乱各项性能指标；重则直接促使定转子间相互摩擦而烧毁电机。因此，对双馈异步电机气隙偏心故障的研究非常有必要。

气隙偏心故障可细分成静态偏心、动态偏心和动静混合偏心这三种类型。

静态偏心可能是由于定子铁芯变椭圆或是转子位置安装不当。电机发生静态偏心时，转子的几何中心与旋转中心相重合，却不一定与定子的几何中心重合，最小气隙长度的位置相对定子而言固定不变；动态偏心可能是由于转子弯曲、轴承磨损或较大静偏心的影响。电机发生动态偏心时，定子的几何中心与转子的旋转中心相重合，却不一定与转子的几何中心相重合，气隙最小长度的位置随着转子的旋转而发生改变；动静混合偏心综合了两种偏心状态，由于人工安装的误差，混合偏心情况在实际环境中普遍存在。因此在电机的使用过程中，必须保持高警惕性，早早地对双馈电机偏心故障进行诊断处理。

发明内容

本发明的重点在于针对技术层面现有的不足之处，提出一种最终结果与实际真实值极为接近的故障诊断方案，即ANFIS（自适应神经模糊推理系统）风电双馈异步电机气隙偏心故障诊断分类方法，其诊断结果确实精度高，可操作性强。本发明通过以下技术方案实现上述目的：

本发明一种ANFIS风电双馈异步电机气隙偏心故障诊断分类方法，具体操作步骤如下：

步骤1：将双馈异步电机气隙偏心故障分类整理并进行故障数据的测试收集；在ansoft软件平台上建立风电双馈异步电机模型，变更参数仿真不同类型的气隙偏心故障并记录其故障定子电流数据，构建风电双馈异步电机不同类型气隙偏心故障的多个训练样本集，该系统可用于诊断和分辨以下几种故障类型：双馈异步电机正常运行工况、双馈异步电机静态偏心故障、双馈异步电机动态偏心故障、双馈异步电机动态偏心和静态偏心混合偏心故障；

步骤2：构建自适应神经模糊推理系统(ANFIS)；提取双馈异步电机发生气隙偏心故障时定子电流，作五层小波分解得到频谱图分析气隙偏心故障不同类别对应的特征频带，提取第五层32个子频带中的第一、二、七频带作为故障特征频带，分析故障特征频带内对应不同气隙偏心故障类型的特征故障频率0Hz、和100Hz，将其特征频率幅值进行输入，给气隙偏心下的这些故障都定义不同的输出，得到具体特征频段的小波能量建立包含风电双馈异步电机不同类型气隙偏心故障的多个训练样本集；同时为该系统的输入输出选择合适的隶属度函数，设置训练目标的合理误差，对ANFIS运用混合学习算法训练，确定输入、输出隶属度函数的参数；

步骤3：对双馈异步电机气隙偏心故障进行诊断及不同类型的划分和确立；故障诊断方法以在实验室风电双馈异步电机模型上所得的实验数据为依据，在实验中采集双馈异步电机发生气隙偏心故障时的定子电流作为故障特征量进行输入，将所测的实验数据和对气隙偏心的不同故障定义的输出相对比，进而诊断出双馈异步电机的气隙偏心故障类型，在训练目标误差的范围内依照系统的诊断结果判定电机的故障种类。