[发明专利]基于自适应观测器的风力发电机故障诊断与隔离方法

说明书

本发明涉及一种基于自适应观测器的风力发电机故障诊断与隔离方法，该方法可诊断出风机基准模型中提出的八种故障，具体实现步骤如下：步骤1：对风机基准模型建模，所述风机基准模型中包括八种基本故障。步骤2：对风机基准模型进行仿真，为满足物理冗余度的要求，各部位使用两个传感器与之相连，记录传感器得到的实际测量值。步骤3：将步骤2中基准模型仿真后得到的值传到设计的自适应观测器中，将自适应观测器求得估计值与传感器中测量值进行比较，得到残差信号的值，将残差信号的值和阈值进行对比，判断某时间段内是否有故障产生及产生的具体部位。本发明既保证故障诊断与隔离过程的实现，还可将估计值用于后期容错控制。

技术领域

本发明属于风机故障诊断领域，具体涉及一种采用自适应观测器和FAFE算法的风力发电机故障诊断与隔离方法。

背景技术

滑模观测器是一类根据系统的外部变量的实测值得出状态变量估计值的一类动态系统。文献[1]中，使用基于滑模观测器的风力发电机足故障诊断与隔离方案，将风机变桨系统中的制动器故障转化为传感器故障，为消除空气动力学中干扰影响，建立了传动系统降阶模型，并使用新的系统表示设计一组滑模观测器。

文献中使用滑模观测器进行建模，但滑模观测器对测量噪声极为敏感，可能造成结果不准确问题。

文献[2]提出基于自适应观测器的风机变桨系统和变频器中的故障诊断与隔离方案，该方案将变桨系统上传感器故障转换为制动器故障，根据残差信号的值可准确判断不同部位产生的故障。

该方案只对基准模型中部分故障进行诊断，未对传动系统中相关故障提出解决方案。

发明内容

基于模型的自适应观测器方法可用于系统在线估计，既能确定未知参数，又能估算状态变量的自适应系统。使用该观测器得到相关信号的估计值，并将估计值与测量值比较得到残差，若该残差超过一定阈值则判断有故障产生，否则可判断无故障，并在线性、非线性系统中自适应观测器均有较好的表现。

快速自适应故障估计(FAFE)算法对传统自适应故障估计算法进行改进，满足李雅普诺夫稳定性条件。传统自适应故障估计算法虽然可保证恒定故障无偏。然而，选择较大的学习速率时可实现快速故障估计，但是不能避免较大的超调量。如果选择较小的学习速率，就要以反应迟缓为代价克服超调量的影响。FAFE算法在传统方法的基础上增加了e_y(t)的导数项，提高了故障诊断的速度和准确率。

由于风速中存在干扰与噪声，因此对传动系统中空气动力学的处理成为故障诊断中面临的难点，在一些观测器设计和基于卡尔曼滤波的方法中，将空气动力学模型分为估计部分和未知部分进行处理，可减少风速中干扰的影响。

本发明较现有基于模型的故障诊断方法提高了观测器的性能，并对干扰具有鲁棒性，同时考虑了线性与非线性系统，可诊断出基准模型中提出所有故障。

为达到以上目的，本发明采取的技术方案是：

一种基于自适应观测器的风力发电机故障诊断与隔离方法，该方法可诊断出风机基准模型中提出的八种故障，具体实现步骤如下：

步骤1：建立风机基准系统，将风机基准系统分为八种基本故障。

进一步包括：

步骤11：所述风机基准系统包括变桨系统、传动系统、发电机与变频器系统、控制器；

控制器通过使用叶片俯仰角参照β_r来控制变桨系统，通过使用发电机转矩参照τ_g,r来控制发电机与变频器系统。P_r为参照功率，值为4.8×10⁶。

Vw表示风速，Vw穿过变桨系统，变桨系统的叶片转动转子产生转子转矩τ_r到传动系统，