风机发电系统中变频器的故障诊断分析

摘要：现如今随着可再生能源不断快速地发展，风力发电作为绿色能源重要组成部分，在全球能源结构当中的地位日益凸显，特别是变频技术得到实际应用之后，极大提升了风力发电系统的效率与稳定性，然而风力发电系统里面的变频器作为核心电气设备，其故障诊断和维护成为保障风电系统高效运行的关键。本文通过对风机发电系统中变频器的故障诊断进行分析，从而确保风机发电系统工作顺利进行，为风电行业的可持续发展做出贡献。

关键词：风机发电系统；变频器；故障诊断

随着全球对清洁能源需求持续不断增加，风力发电作为重要可再生能源发电方式获得广泛应用，在风机发电系统当中，变频器属于关键的设备，其能实现发电机的变速恒频运行提高发电效率，还可对发电机进行有效控制和保护，不过因变频器工作环境较为复杂，且长期处于高负荷运行状态，容易出现各种各样的故障，这些故障不但会影响风机正常发电，还可能造成设备损坏增加维修成本。因此，对风机发电系统中变频器的故障进行准确诊断具有重要的现实意义。

一、风机发电系统中变频器的作用

（一）实现变速恒频发电

自然界当中风速处于不断变化的状态，传统的恒速发电方式很难适应这样的变化，这就会导致发电效率出现降低的情况，而变频器可以依据风速的实时变化状况，灵活地对发电机的转速做出相应调整，当风速处于较低水平的时候，变频器会让发电机以较低的转速进行运行，以此确保发电机能够有效捕获风能资源，当风速逐渐增大的时候，变频器会相应地提高发电机的转速，同时变频器还会对输出电能的频率和电压进行调整，把发电机发出的频率不稳定的电能转换为频率和电压都稳定的电能，然后并入电网，以此满足用户对电能质量提出的要求，最终实现变速恒频发电[1]。

（二）提高发电效率

由于不同的风速对应着不同最佳发电机转速，在这个转速下风机可最大程度捕获风能，变频器能够实时监测风速并且依据风速变化动态调整发电机转速，让风机始终运行在最佳工作点附近，这样就避免了因风速变化而导致的能量损失，使风机在更广泛风速范围内高效将风能转化为电能，而且变频器还能对发电机运行状态进行优化，减少发电机内部损耗进一步提高发电系统效率，从而让风机在不同工况下产出更多电能。

（三）控制发电机转矩

在风机发电系统当中变频器可精确控制发电机转矩，转矩控制对于发电机稳定运行和功率输出十分重要，变频器通过调节输入到发电机的电流和电压，能够精准控制发电机的电磁转矩情况，当风速出现变化时发电机所承受负载也会改变，变频器会依据负载变化及时对转矩做出调整，以此确保发电机能够保持平稳的运行状态，同时在启动和停机的过程当中变频器，也能够通过合理控制转矩避免发电机，受到过大冲击进而有效延长发电机使用寿命，此外精确的转矩控制还可保证发电机，输出功率稳定提高电能质量满足电网，对发电系统所提出的各项具体要求[2]。

二、风机发电系统中变频器的故障诊断

（一）基于传感器数据的诊断方法

1.温度传感器诊断

在风机发电系统的变频器故障诊断里温度传感器起着关键作用，变频器在运行过程当中其内部功率器件等会产生热量，正常工作状态下变频器的温度会处于一定范围之内，温度传感器能够实时监测变频器关键部位的温度，要是检测到变频器温度出现异常升高的情况，可能是散热系统出现了故障比如散热风扇损坏等，也有可能是功率器件老化或者过载导致自身发热加剧，持续高温会加速变频器器件老化降低其性能引发故障，通过对温度数据进行分析能及时发现潜在问题，提前采取相应维护措施保障变频器稳定运行[3]。

2.电流传感器诊断

当变频器正常运行时，其输出电流具有稳定的特性。对于三相交流电流，其瞬时值表达式通常为：

在正常运行情况下，三相电流的幅值I_m相等，相位互差120∘，且电流大小和相位保持相对稳定。此时，电流的有效值I可以通过以下公式计算：

一旦出现像电流过大这样的电流异常情况，可能意味着负载发生短路或者电机堵转现象，这会给变频器造成极大的损害，若电流出现剧烈且无规律的波动状况，可能是变频器内部的逆变模块存在故障问题，进而导致输出电流处于不稳定状态，同时不平衡的三相电流也能够反映出电机绕组或者变频器输出回路的相关问题，通过对电流传感器数据进行长期监测与分析工作，能够准确判断故障位置以及故障类型，为及时开展维修工作提供可靠依据。

3.电压传感器诊断

电压传感器的主要用途是监测变频器输入和输出电压，

输入电压出现异常，比如电压过高（）或者过低（）的情况，可能是由电网波动所导致。电网电压通常存在一定的波动范围，一般用电压偏差率（）来衡量，其计算公式为：

从而对变频器正常工作造成影响，甚至会损坏其内部元件。输出电压异常则反映出变频器自身存在控制方面的问题，例如：输出电压不稳定有可能是控制电路出现故障，以至于无法精确调节输出电压。除此之外，输出电压不平衡可能会导致电机运行不正常，产生振动和噪音进而缩短电机使用寿命，通过采集和分析电压传感器的数据能够及时发现电压异常状况，采取对应措施来调整电网或者修复变频器，以此确保系统可靠运行[4]。

（二）基于信号处理的诊断方法

在风机发电系统里，基于信号处理的变频器故障诊断方法是通过采集、分析和处理变频器运行过程产生的各种信号来识别故障，通常采集的信号涵盖电流、电压、温度和振动等，这些信号蕴含着变频器运行状态的丰富信息，在信号采集阶段利用各类传感器准确获取相应信号以确保信号真实性和可靠性，之后进入信号处理环节常用处理技术有傅里叶变换、小波变换等，比如傅里叶变换可将时域信号转换为频域信号便于分析信号频率成分并从中找出可能导致变频器故障的异常频率特征。对于连续时间信号，其傅里叶变换的公式为：

其中，f是频率，j是虚数单位，t是时间。通过傅里叶变换，将时域信号x(t)转换为频域信号x(f)，就可以分析信号的频率成分。若在频域信号中发现异常的频率成分（如出现原本不应存在的频率峰值，或者某些频率成分的幅度异常增大等），这可能暗示着变频器存在故障。

对处理之后的信号开展特征提取以及模式识别工作，将其与正常运行状态下的信号特征予以对比。要是发现存在明显差异，那么就能够判断变频器或许出现了故障，并且进一步明确故障的类型以及位置[5]。

（三）基于人工智能的诊断方法

基于人工智能的诊断方法主要是借助机器学习、深度学习这类人工智能算法，对数量庞大的变频器运行数据开展学习和分析工作，以此实现对故障的准确诊断。机器学习算法像支持向量机、决策树等，能够对采集得到的运行数据进行分类和预测操作。支持向量机可在高维空间当中找到最优的分类超平面，把正常运行状态与故障状态的数据区分开来。决策树是通过构建树状结构的模型，依据不同的特征进行节点划分，最终得出故障诊断的结果。深度学习算法例如卷积神经网络（CNN）和循环神经网络（RNN）等，具备更强的特征提取和模式识别能力。CNN能够自动提取数据里的空间特征，对于处理图像化的数据如电流、电压的波形图等十分有效。RNN则擅长处理序列数据，能够捕捉数据中的时间序列信息，适合用于分析变频器运行过程中的动态变化情况[6]。

基于人工智能的诊断方法能够处理复杂的非线性关系，拥有较高的诊断准确率和鲁棒性。它可以持续学习新的数据，适应变频器运行状态所发生的变化，提前预测潜在的故障，为风机发电系统的智能运维提供有力的支持，基于人工智能的诊断方法如表1所示。

表1：基于人工智能的诊断方法表

三、结论

总之，风机发电系统当中变频器的故障诊断属于复杂问题，需要综合运用多种不同的诊断方法，伴随技术持续不断地发展，未来风机发电系统里变频器的故障诊断会朝着多传感器融合、智能诊断系统集成化以及故障预测等方向发展，从而为风力发电的可靠运行提供更为有力的保障。

参考文献：

[1]赵志刚,刘永吉.风机发电系统中变频器的故障诊断研究[J].科学技术创新,2018,(36):195-196.

[2]季爱晖,蔡准.引风机高压变频器在发电机组实现FCB功能的应用[J].电气应用,2017,36(24):61-63+68.

[3]单艳梅,王磊.风力发电系统中变频器的故障诊断研究[J].山东工业技术,2016,(12):189.

[4]丛丹.变频器在火力发电厂风机上的应用[J].能源技术与管理,2015,40(01):173-174.

[5]禹金龙,戴国伟,刘涛.煤气锅炉风机变频器故障导致发电机组停机解决方案[J].冶金动力,2014,(06):14-15.

[6]李森.风机发电系统中变频器的故障诊断研究[J].科技风,2013,(18):81.