陳繼寧，馬宏忠，時(shí)維俊，陳濤濤

（河海大學(xué)能源與電氣學(xué)院，南京 210098）

風(fēng)能作為一種可再生能源，正在受到越來越多的關(guān)注。風(fēng)力發(fā)電機(jī)中雙饋異步發(fā)電機(jī)(DFIM)占有很大的市場份額[1]。因此，為了確保電機(jī)的安全運(yùn)行，進(jìn)行及時(shí)的維護(hù)和提高運(yùn)行的可靠性，以及最大化利用風(fēng)能，電機(jī)的在線監(jiān)測和早期故障診斷具有重要的意義。

與所有的電機(jī)一樣，雙饋風(fēng)機(jī)易于發(fā)生電氣機(jī)械故障，故障可能發(fā)生于定子、轉(zhuǎn)子、軸承、氣隙（偏心）等處。然而，資料表明，電機(jī)失效大多數(shù)是由軸承故障和定子絕緣擊穿所引起的[2,3]。異步電機(jī)定子繞組絕緣劣化是引起電機(jī)失效的主要原因(約占40%)[4]。定子故障起始于匝間絕緣的劣化，進(jìn)而發(fā)生匝間短路。因此，需要在匝間短路初期及時(shí)地檢測出來，以免故障擴(kuò)大造成崩潰或重大損傷。

當(dāng)雙饋風(fēng)力發(fā)電機(jī)發(fā)生定子繞組匝間短路時(shí)，如果故障比較輕微，三相定子電流的變化非常微小，此時(shí)僅從時(shí)域波形無法識別出是否存在定子匝間短路故障[5]。傳統(tǒng)的傅里葉變換是整個(gè)時(shí)間軸上的積分，因此不能給出時(shí)間域的信息，只適用于穩(wěn)態(tài)信號的特征提取，對于變化中，或者剛發(fā)生故障的信號并不能有準(zhǔn)確的判斷[6]。小波變換(WT) 是 20 世紀(jì) 80 年代由法國地球物理學(xué)家J Morlet在分析地震波時(shí)提出的一種非平穩(wěn)信號分析理論，近年來在信號分析方法上有重大突破，并已在故障診斷領(lǐng)域得到成功應(yīng)用[7,8,9]。在分析頻率逐漸變化的數(shù)據(jù)時(shí)，小波變換很有效，其結(jié)果具有解析形式。但小波變換主要基于傅里葉分析，不可避免具有傅里葉分析的局限性。對于正常頻率與故障頻率基本相同或變化微弱的信號，如早期匝間故障造成的信號的微小變化，小波變換則無法有效提取其故障特征[10]。

本文采用希爾伯特-黃變換(Hilbert-Huang Transform)[11]對雙饋風(fēng)力發(fā)電機(jī)定子繞組故障進(jìn)行分析，即對在動模實(shí)驗(yàn)室采集到的電流信號進(jìn)行變換，根據(jù)第4或者第5層固有模態(tài)函數(shù)(IMF)分量的瞬時(shí)幅值或瞬時(shí)頻率可以確定出匝間短路故障及其出現(xiàn)和結(jié)束的時(shí)刻，便于定子匝間短路故障的實(shí)時(shí)監(jiān)測、確定和及時(shí)維修。

1 希爾伯特-黃變換方法

希爾伯特-黃變換(HHT)是美國宇航局(NASA) 的Norden E Huang等人于1998提出的一種新的時(shí)間序列信號分析方法，這是在歷史上首次對Fourier變換的基本信號和頻率定義作的創(chuàng)造性改進(jìn)，主要應(yīng)用于非平穩(wěn)信號，尤其是突變信號的分析。

HHT方法由 EMD和 Hilbert變換兩部分組成，EMD分解用來提取經(jīng)驗(yàn)?zāi)B(tài)函數(shù)(IMF)；然后對 IMF進(jìn)行Hilbert變換可獲得瞬時(shí)頻率和瞬時(shí)振幅，二者皆為時(shí)間的函數(shù)。根據(jù)瞬時(shí)頻率或瞬時(shí)幅值可進(jìn)行故障特征提取。下面將HHT應(yīng)用于電機(jī)故障診斷。

1.1 EMD方法對 i（t）進(jìn)行分解

電機(jī)電流信號均包含有多種振蕩模態(tài)，直接對其進(jìn)行Hilbert變換得到的瞬時(shí)幅值是毫無意義的。EMD基于信號的局部特征時(shí)間尺度，可以將任意復(fù)雜的信號分解為少量 IMF的組合， IMF表征了內(nèi)蘊(yùn)于數(shù)據(jù)的振蕩模態(tài)[12]給出合理的瞬時(shí)幅值，IMF分量必須滿足下面兩個(gè)條件：一是在整個(gè)數(shù)據(jù)長度上，信號極值點(diǎn)的數(shù)量與過零點(diǎn)的數(shù)量相同或者至多相差 1個(gè)；二是在任意點(diǎn)，由局部極大值點(diǎn)構(gòu)成的包絡(luò)線和局部極小值點(diǎn)構(gòu)成的包絡(luò)線的平均值為零。這樣一個(gè)信號可以表示為若干個(gè)IMF和一個(gè)殘差的和，如下式所示

其中mj(t)是第j個(gè)模態(tài)函數(shù)，rn(t)是殘差。

為了提取信號i（t）的模態(tài)函數(shù)，步驟如下：

（1）將原始信號i（t）上所有的極大值點(diǎn)用三次樣條函數(shù)擬合成數(shù)據(jù)的上包絡(luò)線，所有的極小值點(diǎn)擬合成下包絡(luò)線，上下包絡(luò)線的均值，記為m1(t)；

（2）將原始信號i（t）減去該均值即可得到一個(gè)去掉低頻的新數(shù)據(jù)序列h1(t)；

（3）h1(t)一般仍不是一個(gè) IMF分量序列，為此需要對它重復(fù)進(jìn)行上述處理過程，直到h1(t)符合 IMF的定義要求，這樣就得到了第1個(gè)IMF分量c1(t)，它代表信號i（t）中最高頻率的分量；

（4）將c1(t)從i（t）中分離出來，即得到一個(gè)去掉高頻分量的差值信號r1（t），即有

將r1（t） 作為原始數(shù)據(jù)，重復(fù)步驟（1）、（2）和（3），得到第二個(gè)IMF分量c2（t），本文重復(fù)6次 ,得到6個(gè)IMF分量。

1.2 IMF的希爾伯特變換

電流信號i（t）的Hilbert變換H(t)為

其反變換為

則與之形成復(fù)共軛時(shí)，由其構(gòu)成的解析信號為

式中:a（t）為瞬時(shí)振幅，θ(t)為相位。

2 實(shí)驗(yàn)測試與研究

采用了如圖1的系統(tǒng)結(jié)構(gòu)圖來測試不同負(fù)載下的雙饋風(fēng)機(jī)定子電流。直流電動機(jī)與雙饋異步發(fā)電機(jī)（用YZR160M-4繞線異步電機(jī)代）之間用機(jī)械連接，直流電動機(jī)的轉(zhuǎn)速模擬風(fēng)速，帶動繞線式異步電機(jī)轉(zhuǎn)動。定子側(cè)通過升壓變壓器與電網(wǎng)相連；轉(zhuǎn)子側(cè)有勵磁系統(tǒng)，轉(zhuǎn)子繞組通過變頻器實(shí)現(xiàn)對風(fēng)力發(fā)電系統(tǒng)的變速恒頻控制。

圖1 雙饋風(fēng)機(jī)定子繞組匝間短路故障實(shí)驗(yàn)原理圖

YZR160M-4電機(jī)主要參數(shù)如下：定子額定電壓：380V，定子額定電流：12.5A，轉(zhuǎn)子額定電壓：184V，轉(zhuǎn)子額定電流：20A，電機(jī)額定功率：5.5kW，4極。直流電動機(jī)型號為Z2-51，額定功率：5.5kW，額定電壓：220V，額定電流：30.9A，額定轉(zhuǎn)速：1500r/min。電流互感器型號為ML-6.0。數(shù)據(jù)采集裝置選用尼高采集儀，型號為Nicolet7700。

發(fā)電機(jī)的定子繞組在設(shè)計(jì)階段就已經(jīng)安裝好抽頭，通過抽頭的連接實(shí)現(xiàn)定子繞組內(nèi)部一匝短接，來模擬匝間短路初期故障?？紤]到匝間短路對電機(jī)壽命的影響，故抽頭短接時(shí)間越短越好，最大不超過1秒。

系統(tǒng)分別在空載、半載以及額定負(fù)載情況下，進(jìn)行了定子繞組一匝短路故障試驗(yàn)。采集到的三相定子電流實(shí)測波形圖如圖2所示，可以看出故障發(fā)生時(shí)，三相定子電流的變化非常微小，僅從時(shí)域波形很難識別出是否存在定子匝間短路。下面以額定負(fù)載情況為例進(jìn)行說明：對發(fā)電機(jī)定子三相電流進(jìn)行FFT分析（圖3），可以看出故障情況下與正常狀態(tài)差別不大。在對發(fā)生瞬態(tài)匝間短路的定子電流信號進(jìn)行小波分析時(shí)，同時(shí)對小波基 db1 、db2 、db3 、db5 、sym1 、sym2 、sym3 、sym5 、coif1 、coif3 、coif5 都進(jìn)行了嘗試，沒有發(fā)現(xiàn)故障特征。圖4以db2小波為例，可以發(fā)現(xiàn)短路發(fā)生時(shí)，并沒有引起小波分解信號的突變。

圖2 雙饋風(fēng)機(jī)在空載（上）、半載（中）和額定負(fù)載（下）下定子匝間短路時(shí)定子電流波形圖

圖 5(a)～5(b)為實(shí)驗(yàn)測得的雙饋電機(jī)在空載情況下的電流信號的 6層經(jīng)驗(yàn)?zāi)B(tài)函數(shù) IMF圖及其 Hilbert變換后的瞬時(shí)幅值圖，圖 6(a)～6(b)為半載情況下的IMF圖以及其Hilbert變換后的瞬時(shí)幅值圖，圖7(a)～7(b)為額定負(fù)載情況下的IMF圖以及其Hilbert變換后的瞬時(shí)幅值圖。

由圖5、圖6和圖7可以看出，HHT 得到的第4或者第5層IMF分量的瞬時(shí)幅值在故障產(chǎn)生和切除的時(shí)刻均有很大的突變，可以表征故障，獲取故障產(chǎn)生和切除的時(shí)刻。這是因?yàn)?，HHT根據(jù)信號包絡(luò)分解出高頻分量，由于三相短路故障中故障造成的幅值變化會引起信號包絡(luò)的改變，使信號包絡(luò)包含故障信息。如圖5，6和7所示，第4或者第5層IMF的瞬時(shí)幅值所具有的故障特征正是這一故障信息的表現(xiàn)。因此，在造成信號包絡(luò)變化但頻率基本不變或變化微弱的故障情況下，傳統(tǒng)的傅里葉變換以及小波變換均無法判斷，此時(shí)HHT顯示了它的優(yōu)勢和判斷的及時(shí)性和準(zhǔn)確性。

圖3 雙饋風(fēng)機(jī)在額定負(fù)載時(shí)正常和匝間短路情況下的定子電流信號的頻譜圖

圖4 雙饋風(fēng)機(jī)額定負(fù)載情況下定子匝間短路時(shí)定子電流信號的小波分解

圖5 雙饋風(fēng)機(jī)空載情況下定子匝間短路時(shí)定子電流信號的希爾伯特-黃變換

由雙饋風(fēng)機(jī)在空載、半載以及額定負(fù)載下定子電流希爾伯特-黃變換的瞬時(shí)幅值圖可以看出，在故障初期即匝間短路發(fā)生的瞬間，瞬時(shí)幅值發(fā)生突變，因此可以判斷出故障的發(fā)生。但是希爾伯特-黃變換只能判斷出故障的發(fā)生，并不能在已經(jīng)發(fā)生故障時(shí)估計(jì)故障的嚴(yán)重程度，也不能對故障位置進(jìn)行準(zhǔn)確定位，需要結(jié)合其他方法進(jìn)行故障監(jiān)測與診斷。

圖6 雙饋風(fēng)機(jī)半載情況下定子匝間短路時(shí)定子電流信號的希爾伯特-黃變換

3 結(jié)論

本文通過實(shí)測數(shù)據(jù)對雙饋異步風(fēng)力發(fā)電機(jī)定子繞組故障進(jìn)行研究，通過比較傳統(tǒng)的FFT分析、小波分析以及HHT分析，指出第4或者第5層IMF瞬時(shí)幅值分析的優(yōu)越性。分別對雙饋發(fā)電機(jī)在空載、半載以及額定負(fù)載運(yùn)行時(shí)的定子繞組匝間短路進(jìn)行實(shí)驗(yàn)分析，得到如下結(jié)論：（1）在匝間短路故障比較微弱的時(shí)候，三相電流的變化非常微小，此時(shí)僅從時(shí)域波形無法識別出匝間短路的發(fā)生；（2）在匝間故障發(fā)生時(shí)，信號的頻率幾乎不發(fā)生變化，此時(shí)僅有信號幅值的變化，小波變換無法有效提取其故障特征；（3）對電流信號進(jìn)行希爾伯特-黃變換，得出6層IMF的瞬時(shí)幅值圖，可以看出，當(dāng)匝間短路發(fā)生時(shí)，無論是空載、半載和額定負(fù)載，信號的第4或者第5層IMF的瞬時(shí)幅值均發(fā)生突變，可以判斷匝間短路故障的發(fā)生，為匝間短路的及時(shí)發(fā)現(xiàn)與維修提供了一個(gè)有效的手段。

圖7 雙饋風(fēng)機(jī)額定負(fù)載情況下定子匝間短路時(shí)定子電流信號的希爾伯特-黃變換

[1]Popa L M, Jensen B B, Ritchie E, et al. Condition monitoring of wind generators[C]//Industry Applications Conference, 2003. 38th IAS AnnualMeeting. Conference Record of the. IEEE, 2003, 3:1839-1846.

[2]Vas P. Parameter Estimation, Condition Monitoring,and Diagnosis of Electrical Machines (Monographs in Electrical and Electronic Engineering)[M].London, UK: Oxford Univ. Press, 1993.

[3]Nandi S, Toliyat H A. Condition monitoring and fault diagnosis of electrical machines-a review[C]//Industry Applications Conference, 1999.Thirty-Fourth IAS Annual Meeting. Conference Record of the 1999 IEEE. IEEE, 1999, 1: 197-204.

[4]Thomson W T, Fenger M. Current signature analysis to detect induction motor faults[J]. Industry Applications Magazine, IEEE, 2001, 7(4): 26-34.

[5]魏書榮, 符楊, 馬宏忠. 雙饋風(fēng)力發(fā)電機(jī)定子繞組匝間短路診斷與實(shí)驗(yàn)研究[J]. 電力系統(tǒng)保護(hù)與控制, 2010, 38(11): 25-28.

[6]Gritli Y, Stefani A, Filippetti F, et al. Stator fault analysis based on wavelet technique for wind turbines equipped with DFIG[C]//Clean Electrical Power, 2009 International Conference on. IEEE,2009: 485-491.

[7]Zhang Z, Ren Z, Huang W. A novel detection method of motor broken rotor bars based on wavelet ridge[J]. Energy Conversion, IEEE Transactions on,2003, 18(3): 417-423.

[8]Douglas H, Pillay P, Ziarani A K. A new algorithm for transient motor current signature analysis using wavelets[J]. Industry Applications, IEEE Transactions on, 2004, 40(5): 1361-1368.

[9]宋志明, 霍永紅等. 基于小波變換的HVDC 輸電系統(tǒng)故障診斷研究[J]. 電力系統(tǒng)保護(hù)與控制,2012, 40(3): 100-104.

[10]楊露, 沈懷榮, 希爾伯特-黃變換與小波變換在故障特征提取中的對比研究[J]. 兵工學(xué)報(bào), 2009,30(5): 628-632.

[11]Huang N E, Shen Z, Long S R, et al. The empirical mode decomposition and the Hilbert spectrum for nonlinear and non-stationary time series analysis[J].Proceedings of the Royal Society of London. Series A: Mathematical, Physical and Engineering Sciences,1998, 454(1971): 903-995.

[12]劉毅華, 趙光宙, 希爾伯特-黃變換在電力系統(tǒng)故障檢測中的應(yīng)用研究[J]. 繼電器, 2006, 34(14):4-6.