《風電併網變流器故障特徵提取及診斷技術研究》是依託重慶大學，由柴毅擔任項目負責人的面上項目。
基本介紹
- 中文名：風電併網變流器故障特徵提取及診斷技術研究
- 項目類別：面上項目
- 項目負責人：柴毅
- 依託單位：重慶大學
中文摘要,結題摘要,
中文摘要
本項目針對風力發電中併網變流器故障信號相互影響及強電干擾對微弱故障信號的影響，使得故障難以檢測的問題，以提高強噪聲背景下信號檢測能力為切入點，探索故障信號的時頻域特徵的精細刻畫方法，使之滿足變流器微弱/潛在故障徵兆的提取和故障源識別、定位的需求。通過基於預測度和集成學的盲源分離等方法，將信號分離成多個成分，並採用結構化噪聲分析建模與稀疏信號重構的方式，提取出被噪聲淹沒的微弱/潛在故障信號；對分離或提取得到的信號，在時頻域空間進行頻譜旋轉變換，分析故障信號從時域到頻域的特徵演變規律，更為完整地實現故障特徵信息的描述；基於故障信息分布的流形假設，利用半監督機器學習方法，充分利用大量的未標註信息，挖掘未認知的故障模式，獲取精確的故障分類模型；並基於證據理論對冗餘信息和互補信息進行融合，解決故障診斷決策中系統檢測信號量測的不確定性及故障徵兆的不確定性，實現對變流器故障的識別和定位。
結題摘要
風電併網變流器中電力電子元件故障，直接影響風電系統風能轉換與運行安全。本項目針對併網變流器故障徵兆微小、故障種類繁多等問題展開了研究。首先對國內外併網變流器故障診斷研究現狀進行了總結，利用Matlab等仿真軟體，對併網變流器故障進行建模分析。結合現狀總結以及定性分析結果，提出稀疏信號重構、線性正則變換等更精細的時頻分析算法，實現併網變流器電信號微小特徵提取。針對現有併網變流器故障庫的不完備問題，結合電壓電流等電信號的周期性，提出將疊代學習良好的模型逼近能力用於挖掘未標記的故障模式。針對併網變流器故障種類繁多且複雜的特點，將改進的聚類分析等智慧型算法用於併網變流器複合故障識別與定位。此外，為驗證所提算法的有效性，搭建了風電併網變流器故障模擬實驗平台。該驗證平台具有併網控制、故障注入、多通道高速數據採集等功能，為研究併網變流器實際運行中的故障特性發揮了重要作用。
