[发明专利]一种基于自适应滤波的风电变流器故障诊断

权利要求书

1.一种基于自适应滤波的风电变流器故障诊断方法，其特征在于：

Step1：令k＝1，设置状态估计初始值和误差协方差矩阵的初始值分别为过程噪声协方差矩阵和测量噪声协方差矩阵Q_k、R_k，并设定遗忘因子b和误差协方差矩阵重置阈值C，同时根据离散系统的状态方程和测量方程，计算得出状态转移矩阵F_k和测量方程系数矩阵H_k；

Step2：根据时间更新，获得状态预测值以及一步预测误差协方差阵

Step3：计算增益矩阵K_k+1，并更新状态估计值和误差协方差矩阵便于下一时刻继续迭代；

状态方程和测量方程为：

其中，k为离散时间变量；x_k、y_k为k时刻的状态向量和观测向量；F_k+1|k是k时刻到k+1时刻的状态转移矩阵；H_k为测量方程系数矩阵；Γ_k为摄动噪声转移矩阵；w_k、v_k+1假定为高斯白噪声的过程噪声和测量噪声；

而且过程噪声和测量噪声满足以下的统计特性：

E(w_k)＝0；Cov(w_k,w_j)＝Q_kδ_kj

E(v_k)＝0；Cov(v_k,v_j)＝R_kδ_kj

Cov(w_k，v_k)＝0

上式中，Q_k,R_k分别为过程噪声和测量噪声的协方差矩阵；δ_kj为克罗尼克函数，当k＝j时，δ_kj＝1；否则δ_kj＝0；

卡尔曼滤波算法的迭代过程包括时间更新和量测更新两个过程，时间更新利用初始值，根据前一时刻k推导当前时刻k+1的预测值，量测更新是利用实际测量值对预测值的进行校正；设定状态矩阵及误差协方差矩阵初始值分别为：具体过程如下：

时间更新：

(1)状态预测值：

(2)一步预测协方差矩阵，即对状态的不确定性的更新：

如果系统是稳定的，会收敛，说明估计的不确定性会减小；

量测更新：

(3)卡尔曼增益矩阵：

一步预测协方差矩阵对增益矩阵起正作用，即：系统稳定时，减小，进而使得K_k+1减小，导致状态更新幅度较小，反之亦然；

(4)利用测量数据进行状态更新

(5)协方差矩阵更新

在实际情况中，随着时间的推移，初始状态及其协方差对KF算法的影响逐渐减小，噪声协方差矩阵Q_k、R_k会阻碍这种影响衰减性，噪声协方差矩阵初始值的选取通过实验值确定；

Step4：利用噪声估计器，在前一时刻k的基础上更新k+1时刻的过程噪声协方差矩阵和测量噪声协方差矩阵Q_k+1,R_k+1；

Step5：比较k+1时刻的估计值与测量值y_k+1，若两者的误差超过阈值C，则误差协方差矩阵重置为初始时刻的误差协方差矩阵若两者的误差并没有超过阈值C，则当前时刻的误差协方差矩阵保持不变，继续用于后续迭代计算；

Step6：利用两相旋转坐标系-三相静止坐标系之间的坐标变换公式，将k+1时刻的状态向量i_sd、i_sq转变为定子的相电流i_sa、i_sb、i_sc；

Step7：给定电流频率f，基于各相电流i_sa、i_sb、i_sc的绝对值，分别计算固定采样时刻[k-1/f,k]范围内均方根值与平均值的比值，也即获得估计的检测参数

Step8：令k＝k+1，若k达到设定结束时刻，则终止算法；否则，转向步骤2，继续迭代循环；

Step9：在检测参数估计值的基础上叠加ε_sa、ε_sb、ε_sc，获得自适应阈值V_sa、V_sb、V_sc，并比较检测参数的测量值σ_sa、σ_sb、σ_sc与自适应阈值的大小关系，判定是否存在发生故障；

Step10：根据永磁同步电机定子的相电流测量值在[k-1/f,k]范围内的平均值，计算得到定位参数ζ_sa、ζ_sb、ζ_sc；通过比较定位参数与阈值的大小关系，判断故障位置。