[发明专利]一种基于智能优化的双馈风机定子匝间短路故障的诊断方法

权利要求书

1.一种基于智能优化的双馈风机定子匝间短路故障的诊断方法，其特征在于，包括以下步骤：

S0、在多回路理论基础上，得到理想电机在定子匝间短路故障状态下电磁参数的表达式；

S1、在得到定子匝间短路故障状态下电磁参数的基础上，建立了双馈风机在定子匝间短路故障状态下的数学模型，并通过S函数转化成可以在Simulink中仿真的模块形式；

S2、对双馈风机在定子匝间短路故障状态下进行了电磁分析，总结出在绕组间匝间短路故障状态下故障特征频率的规律。对定子匝间短路故障状态下风电系统模型进行仿真，得到仿真信号；

S3、针对故障特征频率的特点，应用Duffing系统进行故障特征频率的预检测，初步判断其是否发生故障；

S4、利用PSO智能优化算法完成对故障特征频率的幅值和初相角的估计。

2.根据权利要求1所述的一种基于智能优化的双馈风机定子匝间故障的诊断方法，其特征在于，双馈风机的数学模型忽略空间谐波，定转子三相绕组采用对称形式，且在空间互差120°电角度，所产生的磁动势按正弦规律沿气隙分布，双馈风机转子侧的参数全部折算到定子侧。

3.根据权利要求1所述的一种基于智能优化的双馈风机定子匝间故障的诊断方法，其特征在于，定子绕组匝间短路故障状态下的双馈风机采用的是同步旋转坐标系下的数学模型，故障电机模型采用标幺值形式进行编写。

4.根据权利要求1所述的一种基于智能优化的双馈风机定子匝间故障的诊断方法，其特征在于，磁动势在转子侧感应出的电流分量频率为[1±v(1-s)]f₁，幅值较大的故障特征频率有(2-s)f₁，(2+s)f₁，s代表转差率，f₁代表定子侧基频。

5.根据权利要求1所述的一种基于智能优化的双馈风机定子匝间故障的诊断方法，其特征在于，Duffing状态方程为：

f代表内策动力幅值，ω表示策动力的频率；

将f设置成略小于由混沌态转变为大周期状态的临界值fd，当把同频率的周期信号加入振子时，只要系统总的策动力幅值大于fd，系统就会由混沌状态转变为大周期状态，从而根据系统的状态变化检测出是否存在频率等于ω的周期信号。

6.根据权利要求1所述的一种基于智能优化的双馈风机定子匝间故障的诊断方法，其特征在于，初始化粒子群中各粒子的速度和位置，并将各粒子的当前历史最优位置Ibest设为初始位置，取粒子群全局最优位置为全体粒子所经历过的最好位置Gbest中的最优值。