基于數據融合的開關磁阻發電機故障診斷研究

張 雪，姜悅悅

（河海大學 能源與電氣學院，江蘇 南京 211100）

與傳統的直流、交流發電機相比，開關磁阻發電機（SRG）結構簡單、堅固、成本低，且具有可控性好、高速適應性好以及發電效率高等優點，在民用、航空、風力發電等領域均具有廣闊的應用前景[1]。近年來，SRG成為研究熱點，但現有研究主要集中于SRG電磁設計、性能分析、控制策略及實現，對于SRG故障診斷方法的研究較為缺乏。開展SRG故障診斷研究對于促進開關磁阻發電系統推廣應用具有重要意義，一方面可以實現早期預警，減少和避免故障擴大和發電裝置損壞；另一方面，能夠及時確診，對突發性故障可及時查明原因，維修方便。

目前電機故障診斷的基本方法有電流分析法、絕緣診斷法、溫度檢測法及振動與噪聲診斷法等[2]。隨著信息科學技術的發展，基于多源信息融合技術的故障診斷方法在大型旋轉電機故障診斷中的應用方興未艾，前景廣闊。開關磁阻發電機的故障類型較多，為了提高其故障診斷的水平，在其故障診斷中不應僅局限于一種信息，而是應充分利用多個信息源，利用多源數據的互補性和智能計算技術綜合處理具有時空特性的數據，從而更精確的描述SRG的運行狀態，對其故障狀況做出更準確的識別和判斷。因此，開展基于多傳感器數據融合技術的SRG故障診斷研究是有必要的。

數據融合方法主要有貝葉斯估計法、D-S證據理論、專家系統、可靠性理論等。眾所周知，D-S證據理論具有很強的處理不確定信息的能力，故本文主要研究應用D-S證據理論進行開關磁阻發電機故障診斷的方法。

1 開關磁阻發電機系統的故障類型

開關磁阻風力發電機系統若發生故障，從系統結構上來區分故障類型，主要分為發電機本體內部故障和發電機外圍故障。內部故障主要為定子相繞組故障，而外圍故障包括功率變換器故障，負載故障及風力機和齒輪箱故障等。

1）開關磁阻發電機繞組故障

開關磁阻發電機為雙凸極結構，定子繞組為集中線圈，轉子無繞組和永磁體，因此電氣故障主要集中于定子繞組。理論分析及實踐表明，SRG的定子繞組故障主要有：繞組開路故障，繞組短路故障，接地故障等[3-5]。

開關磁阻發電機的某相繞組開路后，該相則不再提供發電功率，發電機缺相運行，此時控制器將通過增大勵磁電壓來增加其余正常相的電流，以維持系統的額定輸出。

開關磁阻發電機的相繞組短路會導致過流，產生的短路電流可能會燒毀該相繞組，故障嚴重程度取決于繞組短路的匝數。發生短路后繞組的電感值會降低，導致電流的變化率增大，輸出電壓的平均值降低。

開關磁阻發電機的相繞組產生接地故障時，該相也無法提供發電功率，發電機缺相運行。此時的電流直接流經功率變換器可能會導致功率器件損壞。

2）功率變換器故障

在系統發電運行過程中，功率變換器負責為發電機提供勵磁電源，并提取發電機的相繞組續流為蓄電池充電，因此系統電壓過大、電流過大，或者工作的溫度過高，都可能損壞功率變換器，造成其中的功率開關管擊穿短路。如果功率開關管被擊穿短路，則會使勵磁電流持續流到相繞組。由于開關磁阻發電控制系統具有容錯性，控制器適時的切斷該故障相，使電機在缺相狀態下繼續運行。

3）負載故障

發電系統有多種類型的負載，許多負載的運行對發電系統有一定的影響，如果因為負載發生故障，也會對發電系統的輸出產生很大的影響。比如有的恒功率負載發生內部短路時，可能會影響到整個發電系統的穩定性及供電質量。

經以上分析，本文選擇開關磁阻發電機系統的典型故障進行研究，主要研究的故障類型為：發電機缺相故障、發電機繞組短路故障、負載短路故障。

2 基于D-S證據理論的數據融合

2.1 基本理論

定義1：設θ一個互不相容事件的完備集合，由θ的所有子集構成冪集2θ。

定義 2：基本信任度分配函數 m:2θ→[0，1]的映射，滿足

式中，φ為空集。A是滿足m（A）＞0的所有集合，稱為m的焦元。

定義3：信任函數Bel（A）表示對A的信任程度，定義為

定義4：似然函數Pl（A）表示A的支持證據區間，定義為

D-S證據理論是基于辨識框架的一種決策理論，辨識框架θ在數據融合中可視為一個平臺數據庫，這里表示對某個事件可能結果的一個集合，并設這些結果中有且只有一個是正確的。基本信度分配函數m一般由主觀經驗給出，是一種可信度。D-S證據理論對A的不確定性描述如圖1所示。

圖1 D-S證據理論對A的不確定性描述Fig.1 Description of the uncertainty for A with D-S evidence theory

圖 1 中所示：[Bel（A），Pl（A）]為 A 的信任區間，它表示對A 信任的上、下限；[0，Pl（A）]表示 A 的擬信區間；[Pl（A），1]表示 A 的拒絕區間。 可見，信任區間[Bel（A），Pl（A）]越大，對A的不確定程度越大，Bel（A）越大，表示A為真的可能越大，Pl（A）越小，表示 A 為假的可能越大[6]。

2.2 Dempster組合規則

設Bel1和Bel2是同一識別框架θ上2個信度函數，m1和m2分別是其對應的基本信度分配，其焦元分別為A1，…，Ak和 B1，…，Br。 合成后的基本信任度分配函數 m:2θ→[0， 1]為

D-S證據理論中，用K來衡量證據沖突與否。若K=0，則證據之間沒有沖突，可以進行融合。K越大表明沖突就越大。若K=1，則認為m1和m2沖突。因此當K≥1時，就不能對基本概率賦值進行融合。對于多個證據的組合，可對證據進行兩兩綜合，最終得出融合結果。

3 D-S證據理論在開關磁阻發電機故障診斷中的融合應用

在開關磁阻發電機相繞組故障診斷中，以輸出電流、輸出電壓和輸出轉矩這3個證據信號數據，應用上述D-S證據理論進行融合判斷為例[7-9]。3個信號的基本信度分配為m1、m2、m3，故障的識別框架輸出共有4種情況，分別為正常A、故障B（發電機缺相故障）、故障C（發電機繞組短路故障）、故障D（接地故障），在某一時刻采集3個信號所建立的基本信度分配如表1所示。

表1 3個證據信號的基本信度分配Tab.1 Basic belief assignment of the three evidence signals

根據表1，對m1（電流信號）和m2（轉矩信號）進行合成，得到m′。合成之前，先檢查沖突系數K，根據式（5）進行計算。

由K判斷可以融合，融合的結果為：

繼續融合電壓信號，計算m′和m3的沖突系數。

經判斷可以融合，合成結果為：

計算完成，3個證據信號融合的結果如表2所示。

表2 3個證據信號融合后的基本信度分配Tab.2 Basic belief assignment of the three evidence signals after fusion

從表2可見，合成后結果判斷為故障B（發電機缺相故障）的概率為1.0，而其它故障發生的概率為0，融合后的結果更具準確性。從融合過程也可看出，多進行一次D-S合成，各信度分配對故障診斷的精度和可靠性均得到提高。

4 結 論

文中將數據融合技術用于開關磁阻發電機的故障診斷中，采用D-S證據理論對不同數據源的證據信號進行數據融合，實驗表明，數據融合較好地解決了單信號的故障診斷不確定性問題，使得診斷結果更加明確、可靠，增強了故障診斷能力。

[1]朱學忠，劉闖.開關磁阻發電機理研究與實踐[J].中國礦業大學學報，2000，29（6）:628-632.

ZHU Xue-zhong，LIU Chuang.Research and practice on SRG’s fundamental[J].Journal of China University of Mining&Technology，2000，29（6）:628-632.

[2]侯志祥，申群太，李河清.電機設備的現代故障診斷方法[J].電力系統及其自動化學報，2003，15（6）:61-90.

HOU Zhi-xiang，SHEN Qun-tai，LI He-qing.Modern methods of fault diagnosis in motor devices[J].Proceedings of Electric Power System and Automation，2003，15（6）:61-90.

[3]劉震，林輝，司利云，等.開關磁阻發電系統的故障分析及仿真[J].電力系統及其自動化學報，2005，17（5）:7-11.

LIU Zhen，LIN Hui，SI Li-yun，et al.Fault analysis and simulation for the switched reluctance generator system[J].Proceedings of Electric Power System and Automation，2005，17（5）:7-11.

[4]吳江，高勇.采用GVWFCM算法的變壓器故障診斷[J].陜西電力，2012（9）：38-40.

WU Jiang，GAO Yong.Oil-immersed transformerfault diagnosis based on GVWFCM algorithm[J].Shaanxi Electric Power，2012（9）：38-40.

[5]趙永雷，黃家棟，李配配.基于加權模糊C均值聚類算法的變壓器故障診斷[J].陜西電力，2011（9）：39-41.

ZHAO Yong-lei，HUANG Jia-dong，LI Pei-pei.Fault diagnosis on transformer based on weighted fuzzy C-means clustering algorithm[J].Shaanxi Electric Power，2011（9）：39-41.

[6]郭濤，李龍飄，費慶國，等.數據融合技術中Dempster-Shafer證據理論的應用[J].信息化縱橫，2009（16）:80-82.

GUO Tao，LI Long-piao，FEI Qing-guo，et al.Application of Dempster-Shafer evidence theory in data fusion technology[J].Informationization，2009（16）:80-82.

[7]Ke Guan，Tao Mei，Deji Wang.Application of Multi-sensor Information Fusion in Fault Diagnosis of Rotating Machinery[J].Proceedings of the 2006 IEEE International Conference on Information Acquisition，2006（9）:425-429.

[8]苗紅霞，王宏華.基于數據融合的高壓斷路器故障診斷方法研究[J].工礦自動化，2010，10（10）:45-48.

MIAO Hong-xia，WANG Hong-hua.Research offault diagnosis method for high-voltage circuit breaker based on data fusion[J].Industry and Mine Automation，2010，10（10）:45-48.

[9]孫向作.基于數據融合的電機故障診斷技術研究[D].太原:中北大學，2008.