基于相電流瞬時頻率估計的永磁直驅風電變流器開路故障診斷

許水清 陶松兵 何怡剛 柴 毅

基于相電流瞬時頻率估計的永磁直驅風電變流器開路故障診斷

許水清1陶松兵1何怡剛1柴 毅2

（1. 合肥工業大學電氣與自動化工程學院 合肥 230009 2. 輸配電裝備及系統安全與新技術國家重點實驗室 重慶 400044）

為了提高永磁直驅式風電變流器的穩定性和可靠性，該文針對風電變流器功率管單管和雙管故障，提出一種基于相電流瞬時頻率估計的開路故障診斷方法。該方法首先提出一種基于加權滑動Hilbert變換的相電流瞬時頻率估計方法，然后通過歸一化的相電流瞬時頻率殘差來構造新的故障檢測變量檢測故障的發生；其次提出基于改進相電流均值法的多功率管開路故障定位方法實現故障功率管的定位。該文提出的故障診斷方法能夠同時實現機側和網側的21種開路故障診斷，且避免增加額外的傳感器，無需使用Park矢量變換和大量故障樣本，故障特征更為顯著、魯棒性強。實驗結果驗證了所提故障診斷算法的有效性和魯棒性。

風電變流器 開路故障 永磁直驅式風電系統 瞬時頻率估計 加權滑動Hilbert變換

0 引言

隨著化石資源短缺和環境污染問題日益嚴峻，風能作為一種清潔的可再生能源受到全世界的重視，因此，風力發電得到迅猛的發展。永磁直驅式風力發電機組由于取消了沉重的增速齒輪箱，具有高效率、低噪聲、長壽命、機組體積小、運行維護成本低等諸多優點，獲得了越來越多的關注[1]。

在永磁直驅風電系統中，采用由電力電子器件構成的雙脈沖寬度調制（Pulse Width Modulation, PWM）變流器實現全功率并網。然而由于工作環境大多比較惡劣，風電機組的安全運行遭受了嚴重的威脅。統計數據表明，風電機組中的變流器故障率最高，其主要故障是功率器件絕緣柵雙極型晶體管（Insulated Gate Bipolar Transistor, IGBT）的開路故障[2-3]。因此，IGBT開路故障診斷是風電變流器系統實現可靠運行的前提，研究風電變流器的功率管開路故障診斷對風電系統安全運行至關重要。

目前，變流器開路的故障診斷方法從檢測變量上主要分為基于電壓量的診斷方法和基于電流量的診斷方法[4]。基于電壓量的故障診斷方法是利用變流器輸出的電壓波形或結合變流器機理來進行故障檢測和定位[5-6]。如文獻[7]利用變流器正常狀態和故障情況下線電壓的偏差來進行故障檢測和定位。文獻[8]提出基于變流器電壓解析模型的功率管開路故障診斷方法。文獻[9]根據建立的輸出線電壓包絡線函數和診斷函數，利用線電壓包絡線和故障特征參數，實現功率管開路故障的檢測和定位。基于電壓量的診斷方法，其診斷時間相對短、可靠性較高，但依賴于模型的準確度，需要額外的硬件，實現難度較高，且閾值關聯性較低。

基于電流的診斷方法是利用相電流，經過坐標變換、信號處理或模式識別等技術進行故障檢測和故障定位，由于無需附加額外的硬件，容易實現，已成為目前最廣泛使用的變流器故障診斷方法[2, 4]。如文獻[10]提出電流Park矢量法實現變流器開路故障檢測和定位，但基于Park矢量軌跡的故障診斷，必須結合復雜的模式識別方法才能實現，不利于算法集成。文獻[11]提出基于歸一化相電流平均法的開路故障檢測方法，然而在定位故障開關時判斷邏輯不夠嚴謹。文獻[12]提出一種Park矢量斜率法的變流器故障診斷方法，該方法利用Park變換對dq電流進行歸一化處理，通過設置下限閾值實現IGBT開路故障檢測。在文獻[12]的基礎上，文獻[13-14]也提出了一種改進的電流Park矢量斜率法，其檢測思路基本與文獻[12]一致。區別在于，文獻[13]中的仿真模型是通過串入單向二極管來模擬開路故障；文獻[14]中的診斷對象是三相電壓源逆變器。但是文獻[12-14]都只能診斷和定位單管故障或單相故障，無法診斷異相兩管開路故障。同樣基于Park變換對相電流進行歸一化，文獻[15]利用歸一化相電流和絕對歸一化相電流的均值來構造故障檢測變量，提出一種風電變流器開路故障自適應檢測和定位方法。文獻[16-17]則分別利用歸一化電流的殘差構造不同的故障診斷變量來實現故障檢測。這些故障診斷方法直接利用歸一化相電流構造故障檢測變量，故障特征易受干擾。除此之外，文獻[18]提出結合小波與Concordia變換的逆變器功率管故障診斷方法，該方法首先利用小波分解與Concordia變換得到電流的運行軌跡，提取故障特征，然后采用故障字典和支持向量機進行故障分類。文獻[19-23]分別利用不同的相電流預處理方法獲取故障特征，然后采用神經網絡實現故障檢測和定位。但是這些基于信號處理和模式識別的故障檢測方法，算法復雜度較高，且需要大量的故障樣本。除此之外，文獻[24]提出了基于電流滯環控制的逆變器開路故障診斷及容錯控制。文獻[25]通過建立三相逆變器電路狀態空間模型，構造三相逆變器電流觀測器來實現開路故障在線診斷。然而這些方法需要建立精確的模型和狀態觀測器，復雜度較高。

此外，目前這些方法大多針對逆變器的開路故障診斷，而風電變流器包括機側整流器和網側逆變器，機側整流器的開路故障特性與網側逆變器的開路故障特性相比，故障特性不明顯，故障診斷難度更大，使得現有的逆變器故障診斷方法難以同時適用于機側整流器和網側逆變器。因此，本文根據現有風電變流器開路故障診斷方法的不足之處，提出了一種基于相電流瞬時頻率估計的開路故障診斷方法。首先提出一種基于加權滑動Hilbert變換的相電流瞬時頻率估計方法；其次利用歸一化的相電流瞬時頻率殘差來構造檢測變量檢測故障的發生；然后提出瞬時頻率與相電流均值相結合的故障功率管定位方法。該故障診斷算法有如下優點：①提出新的故障檢測方法：利用變流器相電流的瞬時頻率來構造故障檢測變量，故障特征更為顯著，無需使用Park矢量變換和增加額外硬件配置，且歸一化的檢測變量，簡化了檢測閾值的設置，避免了智能算法對大量訓練樣本的需求；②提出基于改進相電流均值法的多功率管開路故障定位方法：能夠同時實現機側整流器和網側逆變器各21種故障定位，提出的定位變量在線快速更新算法，減少了計算量；③提出新的瞬時頻率估計算法：利用加權滑動Hilbert變換能夠消除“端點”效應，實現相電流瞬時頻率的在線平滑估計，故障特征更為精細。實驗結果驗證了該故障診斷算法的有效性和魯棒性。

1 永磁直驅風電變流器開路故障分析

永磁直驅風力發電系統拓撲結構如圖1所示，采用兩個背靠背電壓源變流器將永磁直驅電機與電網連接。機側變流器和網側變流器分別實現整流與逆變功能，每個變流器都包括6個帶有反并聯二極管的IGBT。常見的變流器開路故障主要有單管開路故障和雙管開路故障。在本小節，以機側S1開路故障和網側R1開路故障為例，分析變流器的開路 故障。

圖1 永磁直驅風力發電系統拓撲結構

圖2和圖3分別給出了當S1發生故障時的機側三相電流和R1發生故障時的網側三相電流。從圖2中可以看出，當S1開路故障發生時，機側a, b, c三相電流出現了不同程度的畸變，不再是標準的三相正弦波，其中，a相畸變較為顯著。而在圖3中，當R1發生開路故障時，網側a, b, c三相電流都出現了較為嚴重的畸變，特別地，a相電流在故障發生后上半波完全消失。通過分析可知，相比網側功率管開路故障，機側功率管開路的故障特性不明顯，使得故障診斷難度更大。目前大多數針對逆變器的功率管開路診斷方法難以同時適用于變流器機側和網側開路故障診斷。

圖2 S1故障時的機側三相電流

圖3 R1故障時的網側三相電流

2 變流器故障診斷方法

通過風電變流器開路故障分析可知，當風電變流器正常運行時，電機側電流和電網側電流都是正弦波，而風電變流器發生開路故障時，三相電流中出現直流分量，正弦特性消失。頻率作為正弦波參數中最為重要且最能反映波形本質特征的參數之一，能夠很好地反映故障發生時相電流的變化。因此，本文利用相電流瞬時頻率來構造故障檢測變量，提出一種新的永磁直驅風電變流器開路故障診斷方法，故障特征更為顯著，可靠性更高。本文所提出的風電變流器實時開路故障診斷方法的原理如圖4所示，主要包括瞬時頻率估計、故障檢測和故障定位。

圖4 故障診斷原理

2.1 基于加權滑動Hilbert變換的電流瞬時頻率估計

其中

由式（1）可知，Hilbert變換是一類特殊的卷積運算。在工程應用中，Hilbert變換的快速算法是借助離散傅里葉變換或快速傅里葉變換實現卷積運算，其會造成在數據段端點處出現混疊及泄露效應等，造成端點信號失真，即為著名的端點效應[27]。因此，傳統的瞬時頻率計算方法會導致頻率失真，難以估計出信號的真實頻率。端點效應的抑制一直是信號處理中的重點和熱點問題，目前端點效應抑制的方法大致可分為極值延拓法、波形延拓法、數據預測延拓法三種。然而，極值延拓法難以準確反映信號的真實趨勢，波形延拓法計算耗時過長，數據預測延拓法模型復雜、參數不確定，這些不足限制了其應用范圍，端點效應問題仍待解決。

為了克服端點效應和彌補現有方法的不足，本文利用基于滑動窗規則的加權滑動Hilbert變換算法。首先，利用滑動窗截取連續采樣信號，并對每一個滑動窗內數據進行Hilbert變換，得到每個滑動窗內的信號瞬時頻率結果。然后，利用離散高斯序列，對每個滑動窗內瞬時頻率結果進行加權運算。最后，將不同滑動窗內的相同采樣點加權結果進行求和，即得到相應原始信號的最終瞬時頻率估計結果。加權滑動Hilbert變換算法通過滑動窗及加權運算處理，顯著消除經典Hilbert中存在的端點效應，算法實現簡單有效。加權滑動Hilbert變換原理如圖5所示。

圖5 加權滑動Hilbert變換原理

為了形象說明Hilbert變換中的端點效應并驗證加權滑動Hilbert變換的有效性，圖6以單位幅值且頻率為50Hz的正弦波為例，圖6b和圖6c分別給出了利用Hilbert變換估計出的瞬時頻率和利用加權滑動Hilbert變換估計出的瞬時頻率。可以看出，基于Hilbert變換的瞬時頻率端點效應顯著，而基于加權滑動Hilbert變換的瞬時頻率不受端點效應的影響，準確估計出正弦波的瞬時頻率。

圖6 加權滑動Hilbert和Hilbert對比

2.2 故障檢測方法

為了消除變風速擾動對檢測特征量的影響，首先利用理論瞬時頻率對加權滑動Hilbert變換估計的瞬時頻率進行歸一化，然后構造網側和機側瞬時頻率殘差分別為

其中

2.3 故障定位方法

在實現基于相電流瞬時頻率的開路故障檢測后，本節提出基于改進相電流均值法的多功率管開路故障定位方法。該方法能夠同時實現機側和網側各21種開路故障定位；且提出了定位變量在線快速更新算法，減少了計算量；此外，該方法直接對三相電流進行分析，避免了額外的Park矢量變換等操作，計算簡單，易于實現。

結合故障檢測變量和故障定位變量，本文提出的永磁直驅式風電變流器故障診斷算法可以表示為

式中，-1為相下橋臂功率管發生開路故障；1為相上橋臂功率管發生開路故障；2為相上下橋臂功率管都發生開路故障；0為相功率管正常。根據永磁直驅風電變流器的拓撲結構，本文所提的故障診斷算法能檢測定位21種網側變流器開路故障和21種機側變流器開路故障。以機側變流器為例，表1給出21種機側變流器功率管開路故障的診斷定位，表1同樣適用于網側變流器。

表1 機側變流器故障診斷

圖7進一步給出故障診斷方法的流程，本文提出的故障診斷方法主要分為三步：首先利用電流瞬時頻率特征實現故障檢測；其次利用電流周期均值特征實現故障定位；最后結合故障檢測變量和故障定位變量，實現變流器故障診斷。在故障檢測算法中，首先利用加權滑動Hilbert變換估計出相電流的瞬時頻率；然后利用理論瞬時頻率對加權滑動Hilbert變換估計的瞬時頻率進行歸一化來構造瞬時頻率殘差；最后利用瞬時頻率殘差構造故障檢測變量。在故障定位算法中，首先計算相電流周期內采樣點數；然后計算相電流周期均值；最后利用在線快速更新算法獲得故障定位變量。

圖7 故障診斷流程

3 仿真與實驗驗證

為了驗證本文所提出的故障診斷與定位方法，利用實驗室搭建的5kW永磁直驅式風力發電系統作為實驗測試平臺進行實驗驗證。實驗平臺如圖8所示。在實驗平臺中，控制板與仿真平臺下的Matlab/Simulink連接，并利用三相異步電機的輸入轉矩代表風力大小。實驗中的永磁直驅風力發電機主要參數見表2。由于本文提出的方法對網側變流器和機側變流器開路故障都適用，所以在實驗中，分別選取網側和機側功率管開路。

圖8 實驗平臺

表2 永磁直驅發電機主要參數

3.1 機側變流器S1功率管開路故障診斷

圖9給出機側變流器S1功率管開路故障的診斷結果。可以看出，當變流器沒有發生故障時，機側三相電流為正弦波，診斷變量和定位變量都幾乎為0。當系統在S1功率管開路故障下運行時，可以看出，機側三相電流出現畸變，故障檢測變量a超過檢測閾值d，檢測時間為51.3%電流周期。b和c雖然也發生改變，但未超過檢測閾值，表明a相發生故障。與此同時，故障定位變量在故障發生后50.1%電流周期，故障定位變量m小于檢測閾值-p，表明a相上橋臂發生故障，故障檢測標志a從0到1，即表明S1功率管發生了開路故障。

圖9 S1開路故障診斷的實驗結果

3.2 機側變流器S1、S2功率管開路故障診斷

為了驗證故障診斷算法對單相開路故障的有效性，圖10給出機側變流器S1、S2功率管開路故障診斷的結果。從實驗結果可以看出，當S1功率管開路故障發生時，故障檢測變量a大于檢測閾值，故障定位變量a小于設定的閾值-p，故障檢測時間和定位時間約為50%電流周期，故障診斷標志a變為1，表明功率管S1發生開路故障。當S2功率管出現開路故障，可以看出，故障檢測變量a繼續大于檢測閾值，而定位變量a則變化到p～-p之間，根據式（15），故障診斷標志a由1變為2，表明a相出現單相故障，即S1、S2同時發生開路故障。

圖10 S1和S2開路故障診斷的實驗結果

3.3 網側變流器R1、R4功率管開路故障診斷

為了驗證本文所提的算法同樣適用網側變流器，圖11給出網側變流器R1、R4功率管開路故障診斷的結果。在實驗中，R1功率管和R4功率管分別發生開路故障。可以看出，當R1功率管開路故障發生時，網側三相電流發生畸變，故障檢測變量a大于設定的閾值d，故障檢測時間為57.6%電流周期，故障定位變量a也小于設定的閾值-p，故障診斷標志a變為1，表明功率管R1發生開路故障。當R4功率管發生開路故障時，可以看出，故障檢測變量b大于設定的閾值d，故障檢測時間為55.1%電流周期，故障定位變量b也大于設定的閾值p，故障診斷標志b變為-1，表明功率管R4發生開路故障。從實驗結果可以看出，該方法同樣能夠有效檢測和定位網側逆變器開路故障。

圖11 R1和R4開路故障診斷的實驗結果

3.4 風速突變時的魯棒性驗證

風速突變或電網電壓跌落等都會導致系統電流發生變化，為了驗證本文所提的故障診斷算法的魯棒性與可靠性，能夠避免干擾引起的故障誤報，圖12給出風速突變時機側和網側的故障診斷結果。圖中，電機轉速在從1 038r/min變到817r/min，然后又變回1 038r/min。從實驗結果可以看出，在電機轉速沒有變化之前，機側故障檢測變量和網側故障檢測變量幾乎都為0，當電機轉速發生改變時，機側和網側檢測變量雖然有一定的波動，但遠離故障檢測閾值，不會發生故障誤報。因此，實驗結果表明該方法對風速突變等干擾具有魯棒性，檢測穩定性高。

圖12 變風速下故障檢測結果

3.5 診斷方法對比分析

為了進一步說明本文方法的有效性，本節把本文方法與文獻[7, 12-14, 18, 23]中診斷方法進行對比。首先在檢測時間和定位時間上，文獻[7]只驗證了線電壓誤差法的診斷有效性，未進一步分析檢測時間和定位時間。文獻[12]提出的Park矢量斜率法的檢測時間和定位時間約在10%～50%電流周期。文獻[13]提出的改進Park矢量斜率法的檢測時間和定位時間在50%電流周期左右。文獻[14]提出的電流矢量特征法，其故障檢測時間在10%～60%電流周期，故障定位時間在15%～65%電流周期。文獻[18, 23]分別采用了支持向量機分類器和BP神經網絡等智能算法進行故障診斷分類，其故障診斷時間大于一個電流周期。故障檢測時間和定位時間除了受檢測算法和定位算法固有時間影響外，由于變流器開路故障對電流的影響可能在故障發生后下一個電流半波周期中出現，在這種情況下，也會引入最多50%電流周期的時間延遲。從實驗結果可知，與其他方法相比，盡管本文所提的方法能夠同時診斷機側和網側各21種故障，故障診斷能力更強，但本文所提診斷方法的檢測和定位最長時間仍小于60%電流周期，診斷時間少于一個電流周期，診斷速度較快，能夠滿足風電變流器應用場合的需求。

表3 診斷方法對比

表3進一步給出了不同指標的對比，可知，文獻[7]選取線電壓構造故障診斷變量，需要一定的額外電壓傳感器，且只能診斷機側和網側6種單管故障。文獻[12-13]利用Park矢量斜率作為故障特性量，需要先對三相電流進行Park變換，然后計算電流的Park矢量相位的導數，計算較為復雜，且文獻[12]只能診斷機側和網側6種單管故障，3種網側單相故障。文獻[13]同樣也只能診斷機側和網側6種單管故障。文獻[14]提出的電流矢量特征分析法，需要先對三相電流進行Concordia變換，然后計算電流矢量瞬時頻率，構造故障檢測變量，能夠診斷逆變器的6種單管故障和3種單相故障。文獻[18]先對電流信號進行小波分析，然后對小波分解的粗系數進行Concordia變換，獲取電流軌跡進行故障檢測，該方法能夠診斷6種單管故障，且利用故障字典和支持向量機分類器進行故障分類，需要較多的數據量。并且文獻[14, 18]所提的方法針對逆變器開路故障診斷，難以同時適用于變流器機側和網側診斷。文獻[23]利用電流小波變換提取的時頻特征構造故障檢測變量，該方法雖然能夠實現機側和網側21種故障診斷，但基于小波變換提取的故障特征須利用神經網絡進行故障分類，需要大量的數據。而本文提出的方法直接利用電流的瞬時頻率來構造故障檢測變量，無需使用Park矢量變換和增加額外硬件配置，且歸一化的檢測變量，簡化了檢測閾值的設置，避免了智能算法對大量訓練樣本的需求，故障特征更為顯著，能夠同時檢測和定位機側和網側21種故障。因此，本文所提的故障診斷方法易于實現，且能更全面地診斷變流器故障。

4 結論

本文針對永磁直驅式風電變流器的開路故障，利用相電流的瞬時頻率特性，提出一種基于相電流瞬時頻率估計的開路故障診斷方法。首先為了實現相電流瞬時頻率的在線平滑估計，提出一種基于加權滑動Hilbert變換的估計方法以消除端點效應。其次利用歸一化的相電流瞬時頻率殘差來構造新的檢測變量檢測故障的發生。然后提出基于改進相電流均值法的多功率管開路故障定位方法實現故障功率管的定位。此外，還提出檢測變量和定位變量的在線快速更新算法，降低計算量。該方法避免額外的附加硬件，故障特征更為顯著，且無需使用Park矢量變換和大量故障樣本。仿真和實驗驗證了本文所提故障診斷算法的有效性和魯棒性。

[1] 李輝, 胡玉, 王坤, 等. 考慮雜散電感影響的風電變流器IGBT功率模塊動態結溫計算及熱分布[J]. 電工技術學報, 2019, 34(20): 4242-4250.

Li Hui, Hu Yu, Wang Kun, et al. Thermal distribution and dynamic junction temperature calculation of IGBT power modules for wind turbine converters considering the influence of stray inductances[J]. Transactions of China Electrotechnical Society, 2019, 34(20): 4242-4250.

[2] 姚芳, 胡癢, 唐圣學, 等. 風電變流器IGBT模塊工作結溫估算研究[J]. 電機與控制學報, 2018, 22(8): 26-33.

Yao Fang, Hu Yang, Tang Shengxue, et al. Research on the junction temperature estimation of IGBT modules in wind power converters[J]. Electric Machines and Control, 2018, 22(8): 26-33.

[3] 李輝, 劉盛權, 冉立, 等. 大功率并網風電機組變流器狀態監測技術綜述[J]. 電工技術學報, 2016, 31(8): 1-10.

Li Hui, Liu Shengquan, Ran Li, et al. Overview of condition monitoring technologies of power con- verter for high power grid-connected wind turbine generator system[J]. Transactions of China Electro- technical Society, 2016, 31(8): 1-10.

[4] 安群濤, 孫力, 孫立志, 等. 三相逆變器開關管故障診斷方法研究進展[J]. 電工技術學報, 2011, 26(4): 135-144.

An Quntao, Sun Li, Sun Lizhi, et al. Recent developments of fault diagnosis methods for switches in three-phase inverters[J]. Transactions of China Electrotechnical Society, 2011, 26(4): 135-144.

[5] Duan Pan, Xie Kaigui, Zhang Li, et al. Open-switch fault diagnosis and system reconfiguration of doubly fed wind power converter used in a microgrid[J]. IEEE Transactions on Power Electronics, 2011, 26(3): 816-821.

[6] 安群濤, 孫力, 趙克, 等. 基于開關函數模型的逆變器開路故障診斷方法[J]. 中國電機工程學報, 2010, 30(6): 1-6.

An Quntao, Sun Li, Zhao Ke, et al. Diagnosis method for inverter open-circuit fault based on switching function model[J]. Proceedings of the CESS, 2010, 30(6): 1-6.

[7] 杭俊, 張建忠, 程明, 等. 基于線電壓誤差的永磁直驅風電系統變流器開路故障診斷[J]. 中國電機工程學報, 2017, 37(10): 2933-2943.

Hang Jun, Zhang Jianzhong, Cheng Ming, et al. Fault diagnosis of open-circuit faults in converters of direct-driven permanent magnet wind power gen- eration systems based on line voltage errors[J]. Proceedings of the CESS, 2017, 37(10): 2933-2943.

[8] Ribeiro R L A, Jacobina C B, Silva E R C, et al. Fault detection of open-switch damage in voltage-fed PWM motor drive systems[J]. IEEE Transactions on Power Electronics, 2003, 18(2): 587-593.

[9] 陳高華, 成庶, 向超群. 非侵入式逆變器功率管開路故障診斷方法[J]. 中國電機工程學報, 2017, 37(13): 3854-3862.

Chen Gaohua, Cheng Shu, Xiang Chaoqun, et al. A non-intrusive diagnostic technique for open-circuited faults of inverters[J]. Proceedings of the CESS, 2017, 37(13): 3854-3862.

[10] Mendes A M S, Cardoso A J M. Voltage source inverter fault diagnosis in variable speed AC drives, by the average current Park’s vector approach[C]// IEEE International Electric Machines and Drives Conference, London, UK, 1999: 704-706.

[11] Estima J O, Cardoso A M. A new approach for real-time multiple open-circuit fault diagnosis in voltage-source inverters[J]. IEEE Transactions on Industry Applications, 2011, 47(6): 2487-2494.

[12] Freire N M A, Estima J O, Cardoso A J M. Open-circuit fault diagnosis in PMSG drives for wind turbine applications[J]. IEEE Transactions on Indu- strial Electronics, 2012, 60(9): 3957-3967.

[13] 黃科元, 劉靜佳, 黃守道, 等. 永磁直驅系統變流器開路故障診斷方法[J]. 電工技術學報, 2015, 30(16): 129-136.

Huang Keyuan, Liu Jingjia, Huang Shoudao, et al. Converters open-circuit fault-diagnosis methods research for direct-driven permanent magnet wind power system[J]. Transactions of China Electro- technical Society, 2015, 30(16): 129-136.

[14] 陳勇, 劉志龍, 陳章勇. 基于電流矢量特征分析的逆變器開路故障快速診斷與定位方法[J]. 電工技術學報, 2018, 33(4): 883-891.

Chen Yong, Liu Zhilong, Chen Zhangyong. Fast diagnosis and location method for open-circuit fault in inverter based on current vector character analysis[J]. Transactions of China Electrotechnical Society, 2018, 33(4): 883-891.

[15] Estima J O, Marques Cardoso A J. A new algorithm for real-time multiple open-circuit fault diagnosis in voltage-fed PWM motor drives by the reference current errors[J]. IEEE Transactions on Industrial Electronics, 2013, 60(8): 3496-3505.

[16] Zhao Hongshan, Cheng Liangliang. Open switch fault diagnostic method for back to back converters of doubly fed wind power generation system[J]. IEEE Transactions on Power Electronics, 2018, 33(4): 3452-3461.

[17] Zhang Jianghan, Zhao Jin, Zhou Dehong, et al. High- performance fault diagnosis in PWM voltage-source inverters for vector-controlled induction motor drives[J]. IEEE Transactions on Power Electronics, 2014, 29(11): 6087-6099.

[18] 崔江, 王強, 龔春英. 結合小波與Concordia變換的逆變器功率管故障診斷技術研究[J]. 中國電機工程學報, 2015, 35(12): 194-200.

Cui Jiang, Wang Qiang, Gong Chunying. Inverter power switch fault diagnosis technique research based on wavelet and Concordia transform[J]. Pro- cessing of the CESS, 2015, 35(12): 194-200.

[19] 于生寶, 何建龍, 王睿家, 等. 基于小波包分析和概率神經網絡的電磁法三電平變換器故障診斷方法[J]. 電工技術學報, 2016, 31(17): 102-112.

Yu Shengbao, He Jianlong, Wang Ruijia, et al. Fault diagnosis of electromagnetic three-level inverter based on wavelet packet analysis and probabilistic neural networks[J]. Transactions of China Electro- technical Society, 2016, 31(17): 102-112.

[20] 陳丹江, 葉銀忠. 基于多神經網絡的三電平逆變器器件開路故障診斷方法[J]. 電工技術學報, 2013, 28(6): 120-126.

Chen Danjiang, Ye Yinzhong. Fault diagnosis of three level inverter based on multi neural network[J]. Transactions of China Electrotechnical Society, 2013, 28(6): 121-126.

[21] Huang Zhanjun, Wang Zhanshan, Zhang Huaguang. Multiple open-circuit fault diagnosis based on multi- state data processing and subsection fluctuation analysis for photovoltaic inverter[J]. IEEE Transa- ctions on Instrumentation & Measurement, 2018,

67(3): 516-526.

[22] 李兵, 崔介兵, 何怡剛, 等. 基于能量譜熵及小波神經網絡的有源中性點鉗位三電平逆變器故障診斷[J]. 電工技術學報, 2020, 35(10): 2216-2225.

Li Bing, Cui Jiebing, He Yigang, et al. Fault diagnosis of active neutral point clamped three-level inverter based on energy spectrum entropy and wavelet neural network[J]. Transactions of China Electrotechnical Society, 2020, 35(10): 2216-2225.

[23] Zhang Jingxuan, Sun Hexu, Sun Zexian, et al. Fault diagnosis of wind turbine power converter considering wavelet transform, feature analysis, judgment and bp neural network[J]. IEEE Access, 2019, 7: 179799- 179809.

[24] 李凱迪, 陳特放, 成庶, 等. 基于電流滯環控制的逆變器開路故障診斷及容錯控制[J]. 電工技術學報, 2019, 34(2): 596-608.

Li Kaidi, Chen Tefang, Cheng Shu, et al. Open circuit fault diagnosis and failure-tolerant control for inverter with hysteresis current control[J]. Transa- ctions of China Electrotechnical Society, 2019, 34(2): 596-608.

[25] 陳勇, 張建建, 陳章勇. 基于電流觀測器的三相逆變電路開路故障在線診斷[J]. 電工技術學報, 2019, 34(2): 609-617.

Chen Yong, Zhang Jianjian, Chen Zhangyong. A current observer based on-line open-fault diagnosis for three-phase inverter[J]. Transactions of China Electrotechnical Society, 2019, 34(2): 609-617.

[26] Cizek V. Discrete Hilbert transform[J]. IEEE Transa- ctions on Audio and Electroacoustics, 1970, 18(4): 340-343.

[27] Deng Yongjun, Wang Wei, Qian Chengchun, et al. Boundary-processing-technique in EMD method and Hilbert transform[J]. Chinese Science Bulletin, 2011, 46(11): 76-83.

Open-Circuit Fault Diagnosis for Back-to-Back Converter of PMSG Wind Generation System Based on Estimated Instantaneous Frequency of Phase Current

1112

（1. College of Electrical Engineering and Automation Hefei University of Technology Hefei 230009 China 2. State Key Laboratory of Power Transmission Equipment and System Security and New Technology Chongqing 400044 China）

To improve the stability and reliability of wind turbine converters based on permanent magnet synchronous generator (PMSG), a new diagnosis method for multiple open-circuit faults based on the estimated instantaneous frequency of phase current is provided. In this method, the weighted sliding Hilbert transform is developed to estimate the instantaneous frequency of phase current firstly. Then, the normalized instantaneous frequency of phase current is used as the principle quantity to construct new diagnostic variables. Subsequently, by the extended average value method of phase current, the faulty IGBTs can be located. This method can diagnose 21 fault types of PMSG-side converters and gird-side converters simultaneously without using Park’s vector transformation and a large number of fault samples, while avoiding the additional sensors. Meanwhile, this method has more obvious fault features and strong robustness. The effectiveness and robustness of the proposed diagnosis method are verified by the experimental results.

Wind converters, open-circuit fault, permanent magnet synchronous generator (PMSG) based wind generation system, instantaneous frequency estimation, weighted sliding Hilbert transform

TM464

10.19595/j.cnki.1000-6753.tces.200775

國家重點研發計劃項目（2016YFF0102200）、國家自然科學基金重點項目（51637004）和國家自然科學基金項目（61803140, 51807044, 51577046, 51977153）資助。

2020-07-02

2020-08-15

許水清 男，1991年生，博士，副教授，主要研究方向為電氣設備的在線監測與故障診斷。

E-mail: xsqanhui91@gmail.com

陶松兵 男，1991年生，博士，主要研究方向為風力發電系統及其故障診斷。

E-mail: taosongbing@gmail.com（通信作者）

（編輯 崔文靜）