风力发电系统并网逆变器智能故障诊断方法研究

From the point of energy ,this subject studies the theory and method of fault diagnosis for high-power grid inverter based on the models,solves the problems of the hybrid system's simulation,fault detection and isolation technology existing in the model and algorithm of the fault diagnosis based on the models, in order to meet the requirements of real-time, robustness and accuracy of fault diagnosis in modern complex hybrid system. This subject studies the unified description and modeling methods of the hybrid system continuous and discrete dynamic process in detail , achieves the ways and methods to solve the key problems of obtaining system's fault signature and mode tracking, and improves the diagnostic algorithm for mode change' adaptability and robustness. Because of wind turbine grid inverter's complex structure and variable structure characteristics ,it made fault diagnosis more difficult, so its purpose is to solve those practical problems, reduce the leakage alarm and false alarm in fault diagnosis and improve the reliability and real-time of fault detection and isolation.

本课题拟从能量的角度研究基于模型的大功率并网逆变器故障诊断的理论和方法，解决当今基于模型的混杂系统仿真、故障检测和隔离技术因算法的鲁棒性及精度不能适应现代复杂混杂系统实时故障诊断等问题。重点研究电力电子混杂系统连续和离散动态过程的统一描述和建模方法，实现实时跟踪系统模式变化并获取系统的故障特征，提高诊断算法对于模式变化的适应性及鲁棒性。其目的是解决风力发电机组并网逆变器由于其复杂的体系结构以及变结构特性而使故障诊断较为困难的实际问题，减少在故障诊断中的漏报警和误报警，提高故障检测和隔离的可靠性和实时性，为基于能量的智能故障诊断方法在多能量域变结构系统的故障诊断的应用探索新的思路。

风力发电系统结构复杂，运行环境恶劣，属于故障多发系统，其中并网逆变器承担了核心电能变换和控制器的作用，是极易发生故障的薄弱环节，研究并网逆变器智能故障诊断方法具有重要意义。本项目主要研究成果如下：.基于混杂系统理论，结合键合图建模技术，建立了大功率并网逆变器混杂键合图模型，研究了系统的工作特性与故障特征，构建了基于模型的并网逆变器故障诊断仿真验证平台。.深入研究了基于模型的故障诊断技术，为一体化处理逆变器结构性故障和参数性故障诊断提供了理论基础。基于贝叶斯网络估计、粒子滤波、小波变换、线性分式变换技术，结合混杂诊断键合图模型提出了多种基于模型的故障诊断方法，提高了故障诊断的准确性和鲁棒性。.研究数据驱动的逆变器故障诊断方法，提出了基于小波变换与自组织映射神经网络的故障诊断算法；为解决系统参数不确定性及干扰因素，提出基于自适应慢性权重布谷鸟算法优化支持向量机的故障诊断方法；进一步诊断（改善）BP神经网络鲁棒性，容错性不强问题，提出用量子粒子群优化双向BP神经网络的权值和阈值，提高了故障诊断的准确性，提出了指数加权移动平均滤波与残差评估方法，改善了微小故障检测和隔离的效果。.综上所述，本项目针对同时具有结构性和参数性故障逆变器混杂系统，提出了一体化故障诊断系统，在此基础上加入智能算法，将设计进一步推广到不确定非线性系统中。在20-sim和Matlab环境下，实现了数值仿真，验证了故障诊断算法的有效性和准确性。