雙饋異步電機故障診斷方法綜述

錢雅云，馬宏忠

（河海大學能源與電氣學院，南京 210098）

雙饋異步電機故障診斷方法綜述

錢雅云，馬宏忠

（河海大學能源與電氣學院，南京 210098）

雙饋異步電機運行環境較為惡劣，運行工況復雜多變，其運行狀況的好壞直接對風力發電系統乃至整個電力系統產生較大的影響。本文在介紹雙饋異步電機常見故障類型的基礎上闡述了常見故障產生的機理，再從信號處理技術角度詳細分析了目前常用的故障診斷方法，并對未來雙饋異步電機故障診斷的發展趨勢和方向進行了展望。

雙饋異步電機；快速傅里葉變換；離散小波變換；狀態觀測器；故障診斷

1 引言

風能作為一種可再生資源已經得到世界各國的廣泛關注。目前投入商業運行的風力發電機組主要采用雙饋異步發電機、籠型異步發電機和永磁同步發電機三種，其中雙饋異步電機憑借其良好的控制效果、柔性化、有功無功解耦以及工作范圍寬等優勢占取了絕大部分的市場份額[1]。由于雙饋異步電機長期工作在野外、暴曬和雷雨等惡劣環境中，是整個風力發電系統中易發生故障的部分，因此對其故障表征進行研究，及時發現其中的潛在故障并維修，對保證發電機乃至整個系統的正常安全運行具有重大的實際意義。

2 常見的故障類型

風力發電過程中存在機械系統、電路系統、磁路系統和通風散熱系統等相互關聯的工作系統，涉及到機、電、磁、力等物理甚至化學演變過程0。正因為如此復雜的運行工況，導致雙饋異步電機的故障類型也是多種多樣的。從電機結構來看，可分為定子故障、轉子故障、軸承故障和氣隙偏心故障等，其中軸承部分故障占40%，定子部分為38%，轉子部分為10%。

雙饋異步電機定子部分的故障除了受到繞組本身的絕緣破壞影響外，還受到電網波動等因素的影響，其故障表現形式有匝間短路、相間短路和單相接地短路等；而轉子通過變頻器與控制系統相連，變頻器向轉子提供電流，對轉子也有一定的影響；軸承部分的故障主要是由于負載過重等引起的軸承磨損以及表面碎裂等；氣隙偏心故障主要是由于長期運行中使得軸承發生彎曲變形，造成轉子與定子之間的氣隙不均勻，有時候也有可能會因為安裝不良而引起。

3 故障機理研究

電機中所有的故障都是按照一定的機理產生和發展的，具有一定的規律性。只有對各種故障機理充分了解的情況下，采用先進的診斷方法，準確地提取故障特征，才能對故障做出判斷。因此，故障機理和故障特征的分析是進行故障診斷的前提。

3.1 匝間短路故障

當雙饋異步電機正常工作時候，產生的定子電流是對稱的，并且定、轉子電流頻率分別為f和sf；當電機定子發生匝間短路故障時，定子電流失去對稱性，從而產生了反向旋轉的磁場，并在轉子電流中產生頻率為（2-s）f的故障諧波分量。該頻率成分又反作用于定子電流，這樣故障諧波分量便傳播開來，定子電流中的諧波表達式為 ( fksa=±kf)，轉子側中為(fkra=(2k ±s)kf )。所以可以通過檢測其中的諧波成分來判斷是否出現了匝間短路故障[3]。

3.2 軸承故障

軸承故障分為內圈故障、外圈故障、滾動體故障以及保持架故障，這些故障發生后將產生周期性沖擊，從而激起電機軸承結構與測量傳感器上的振動，所以可以通過對振動信號的分析抽取故障源信號，從而診斷出軸承故障。另外軸承故障引起電機轉軸振動，轉軸振動又引起氣隙振動，使氣隙磁通受到調制[4]，從而在定子繞組內感生出相應的諧波電流，所以可以通過對定子電流的信號分析處理來診斷軸承故障。

3.3 氣隙偏心故障

氣隙偏心主要是由于長期運行中電機軸承彎曲變形，造成轉子與定子之間的氣隙不均勻。雙饋異步電機出現氣隙偏心故障后，電機定子電流中將出現附加分量，所以判斷電機是否出現偏心故障的方法是對定子電流信號做頻譜分析，檢測其中是否含有上述頻率分量。

4 故障診斷方法

由故障機理分析可知，雙饋異步電機處于異常運行或故障狀態時，必然會引起一些電氣量(電流、電壓、功率、轉矩等)或非電氣量(光、聲、熱量、振動等)的變化，這些物理量的變化是檢測和判斷故障類型、嚴重程度的重要信息。

現有的故障診斷方法，正是基于對這些反映電機運行狀態的物理量的變化規律的認識上發展起來的。目前主要應用的診斷方法有：局部放電監測、電流高次諧波和不平衡檢測、磁通檢測法、定子電流檢測法、轉速脈動檢測法、機體振動檢測法以及溫升檢測法等[5]。這些診斷方法都是通過現有的測量設備獲取對應的電氣量或非電氣量信號，再采用先進高效信號處理技術對信號進行分析處理，最終精確地提取能夠反映故障性質和故障程度的特征信息。

4.1 基于快速傅里葉變換的故障診斷法

傅里葉變換是頻域分析的基礎。故障診斷中，對采樣信號進行傅里葉級數分解得到各次諧波的幅值和相位，并對得到的頻譜進行分析，找出與故障對應的特征量來診斷電機的故障。

文獻[6]提出了一種基于快速傅里葉分析(FFT)處理轉子調整信號分析的方法。其通過在定、轉子繞組中串聯電阻的方式來模擬定、轉子繞組不對稱故障，并結合FFT來提取定、轉子電流以及轉子調整信號的頻譜，通過比較故障情況下定、轉子電流的諧波頻譜和轉子調整信號的頻譜來驗證該方法是否有效。上述故障機理表明，當定子出現不對稱故障時，轉子中會在頻率（2-s）f處產生諧波。分析兩者經FFT得到的頻譜可知，轉子電流頻譜的幅值為－48dB，而轉子調整信號的幅值為－28dB；同樣模擬轉子繞組不對稱故障時，轉子調整信號特征頻率的幅值也明顯大于定子電流特征頻率的幅值。由此可見，采用FFT來分析定轉子繞組不對稱故障不失為一個簡易有效的方法。

4.2 基于功率譜密度的故障診斷法

功率譜密度(PSD)分析是目前故障診斷中使用最多的分析方法之一。文獻[7]通過分析信號的功率譜密度成功診斷匝間短路故障。

首先對DFIM在對稱負載、10%不對稱負載以及4匝匝間短路故障三種情況下轉子對稱性對其電流功率譜密度（PSD）進行了仿真。結果表明，諧波次數 3=k ，即f=127.5Hz頻率處的諧波分量的PSD最為明顯。進一步分析該諧波分量在空載、半載和滿載三種不同的負載情況下的PSD值發現，其值隨著短路匝數的增加而顯著增加，且負載情況對其的影響遠小于短路匝數的影響，這說明該頻率分量可以作為匝間短路故障的特征頻率。為了驗證上述仿真結論，通過對實驗測得的轉子相電流、轉子電流空間矢量以及轉子探測線圈電壓三個信號進行PSD分析，結果同樣發現f=127.5Hz處的PSD值最能反映故障情況。除此以外，轉子空間矢量信號和轉子探測線圈電壓信號比轉子相電流信號的PSD效果更為顯著，而三個信號在不同轉差和不同短路匝數下的信噪比(SNR)再一次驗證了上述觀點。綜上，分析DFIM轉子電流空間矢量和轉子探測電壓的PSD值可以檢測匝間短路故障。

對上述兩種方法做進一步分析可以發現，FFT和PSD分析法均適用于穩態情況下即轉差率s不變的情況。而 DFIM 的風速不可能保持恒定，所以當s變化時，獲得的故障特征量可能會以正比于風速變化的帶寬擴散，從而使得采用這些方法很有可能出現誤判；除此以外，FFT和PSD分析法并不能提供特征信號的時域信息，這些因素決定了需要尋求新的方法。

4.3 基于離散小波變換的故障診斷法

由上述分析可知，Fourier變換存在缺乏空間局部性和不能給出時域信息等缺點，而這兩者正是我們故障診斷所需要的。小波分析是在視窗Fourier變換的局部化思想的基礎上發展起來的一種方法，其具有用多重分辨率來刻畫信號局部特性的能力，使其很適用于探測正常信號中夾帶的瞬間反常現象并展示其成分，這對于故障診斷有著非常重要的意義[8]。有文獻同時采用了傅里葉分析和小波變換，并將兩者做了對比，結果發現，小波變換憑借其良好的時頻特性以及高質量的分辨率在檢測電機故障上取得了絕對的優勢。

文獻[7]采用離散小波變換(DWT)對定子電流信號進行8層分解，操作過程中分別采用了Harrl(db1)小波、Daubechies(db5)小波以及 Dmeyer(demey)小波作為母波，并分別從能量、差異角度對三者進行比較。實驗結果發現，三種母波均可用于檢測負荷碰撞，并且dmeyer小波的效果最為顯著，Daubechies小波次之。這就說明使用DWT進行故障診斷時候，選取合適有效的母波至關重要。對轉子電流采用離散小波變換來診斷雙饋異步電機的定子繞組不對稱故障，并分別就穩態情況和暫態情況做了討論。實驗和仿真結果均表明，穩態和暫態情況下，細節系數d4和d5的幅值均隨著故障的嚴重程度不斷增加，且風速對診斷結果沒有影響。為了量化故障的嚴重程度，計算出每層分解后的平均功率，通過每層功率的變化來衡量故障嚴重程度，取得良好的效果。上述兩種情況均是將離散小波變換用于電流信號，也有學者將連續小波變換用于功率信號來診斷轉子故障且收獲甚大。

從上述小波變換的應用可以看出，小波變換不僅可以用于分析電流、電壓、磁通、功率等信號量，還可以通過構造其分解后的系數來判別故障的嚴重程度，從而量化故障情況，這使得故障診斷更直觀明了。而且各母波所對應的功能不盡相同，使用時可以全方位的權衡考慮，選擇最合適的母波來進行故障診斷。

4.4 基于狀態觀測器的故障診斷法

除了上述采用數字信號處理方法來分析傳感器測得的電信號或者非電信號的診斷方法外,基于狀態觀測器的診斷方法憑借其可以重構電機的內部狀態獲得的廣泛的應用。

文獻[9]首先將雙饋異步電機電流寫成如下微分方程：

其中，K為狀態反饋陣，用于計算觀測器輸出量和系統輸出量間的誤差。接著在正常和匝間短路故障下進行仿真并計算出觀測器和系統間的觀測誤差，若該觀測誤差快速收斂為0，則未發生故障；若某個故障量的觀測誤差發生突變或超過某一閾值，則此處發生了故障。仿真結果均說明該觀測器適用于暫態條件并且可以準確的檢測雙饋異步電機的故障。目前基于該方法的診斷主要停留在仿真階段，在今后的研究中應側重于實際故障診斷，這對該方法的發展有著更為重要的意義。

5 DFIM故障診斷發展趨勢

5.1 對目前診斷方法的評述

現有的對雙饋異步電機故障診斷的研究大都是通過軟件仿真或實驗室模擬的方法模擬故障，分析故障表征，再提出某種方法對測得的信號進行處理，提取故障特征,從而確定故障性質或程度。需要注意的是，實際操作中受到現場齒輪箱、葉輪及運行環境的影響，測得的信號并沒有仿真信號理想。所以對實際信號進行處理的過程中，需要先采取一定的措施排除干擾因素，才能保證精確地提取故障特征量。除此以外，仿真研究中也應考慮更多的實際影響因素，從而使仿真信號更貼近實際信號。

5.2 DFIM故障診斷發展趨勢

通過上述研究發現，DFIM故障診斷方法總是遵循著分析故障機理、監測故障量、提出特征量、根據特征量確定有無故障及故障程度的順序，這就啟發研究人員將雙饋異步電機故障診斷在現有研究基礎上向專家診斷系統方向發展。該系統中包含全面的故障現象，在診斷時將故障現象與故障機理聯系，初步斷定故障范圍后，選取對應的信號處理方法來提取故障特征量，從而提前確定故障性質類型并及時維修，避免造成重大損失。

[1] 張國新.風力發電并網技術及電能質量控制策略[J].電力自動化設備,2009,29(6):130-132.

[2] 劉炯.感應電機定子繞組匝間短路故障[D]. 杭州：浙江大學，2007.

[3] Gritli Y, Stefani A, Filippetti F. Stator Fault Analysis Based on Wavelet Technique for Wind Turbine Equipped with DFIG[C]. International Conference on Clean Electrical Power, Tunisia，2009:485-491.

[4] 郭君博，王奉濤，王亮. 異步電機在線監測系統研究[J].機電工程技術，2009，38(2)：86-88.

[5] Mclnerny S A, Dai Y. Basic Vibration Signal Processing for Bearing Fault Detection[J].IEEE Transactions on Education, 2003, 46(1):149-156.

[6] Stefani A, Yazidi A, Filippetti A, et al. Doubly Fed Induction Machine Diagnosis Based on Signature Analysis of Rotor Modulating Signals[J].IEEE Transactions on Industry Application, 2008,44(6):1711-1721.

[7] Shah D, Nandi S, Neti P. Stator Inter-turn Fault Detection of Doubly-Fed Induction Generators Using Rotor Current and Search Coil Voltage Signature Analysis[J]. IEEE Transactions on Industry Application, 2009, 45(5):1831-1842.

[8] Al-Ahmar E, Benbouzid M E H, Amirat Y, et al.DFIG- Based Wind Turbine Fault Diagnosis Using a Specific Discrete Wavelet Transform[C].The 18th International Conference on Electrical Machines,Brest, France, 2008:1-6.

[9] Dinkhauser V, Fuchs F W. Detection of Rotor Turn-to-turn Faults in Doubly-Fed Induction Generators in Wind Energy Plants by means of Observers[C].The 13th European Conference on Power Electronics and Applications, Kiel, Germany,2009:1-10.

A Survey of Fault Diagnosis Method for Doubly-fed Induction Motor

QIAN Ya-yun, MA Hong-zhong
(College of Energy and Electrical Engineering, Hohai University, Nanjing 210098, China)

Doubly-fed induction motor operates in a severe environment and complex operating conditions. Its operating conditions have a direct impact on wind power generation system and the whole power system. This paper analyzes the failure mechanisms based on describing common faults in double-fed induction motor (DFIM), and then summarizes the fault diagnosis method used nowadays from the aspect of signal processing technology. At last, it analyzes the trends and direction of doubly-fed induction motor fault diagnosis in future.

DFIM; fast fourier transform; discrete wavelet transform; state observer; fault diagnosis

TM307+.1

A

1000-3983(2011)05-0005-04

2009年教育部博士點基金項目（20090944110011）

2010-12-02

[修改日期]2011-01-06

錢雅云（1987-），現為河海大學能源與電氣學院研究生，主要研究方向為電力設備狀態檢測與故障診斷，風力發電機故障診斷，新能源發電等。