基于小波神经网络的风电变流器故障诊断系统

褚召伟 李春茂 何 登 严 肃

（西南交通大学电气工程学院，成都 610031）

近年来，随着日益加剧的化石能源危机、环境污染和温室效应等问题，风力发电受到世界各国越来越多的重视，已成为当今世界增长最快的可再生能源[1]。

随着风力发电系统的容量不断地增大，大功率变流器的拓扑结构也越来越复杂。由于受恶劣的自然环境和复杂的发电机组和电力电子装置等因素影响，风力发电机设备很容易损坏和发生故障，影响生产[2]。变流器功率开关的开路故障是一种常见的故障，虽然短时间内不会导致系统崩溃的故障，但是如果长时间带这种故障运行，将会使系统部件产生不可逆转的损坏[3]。因此，风电变流器的状态监测和故障诊断对于提高系统稳定性来说至关重要[4]。

对于变流器的故障诊断技术，文献[5-6]提出了仿真分析诊断法，通过对变流器进行故障后的系统仿真，利用获取的故障电流、电压波形与正常波形的对比实现变流器的故障诊断。文献[7-8]提出基于模型的故障诊断方法，通过建立系统的状态空间模型，然后利用状态空间模型的状态估计与真实的输出比较，来确定系统的故障。此方法的缺点若建立的系统的数学模型不准确，则会影响诊断的准确性。文献[9]则利用逆变器元件故障后的电流轨迹分析提出了一种基于知识的故障诊断方法。虽然可以实现故障的检测与诊断，由于当外界电磁干扰时，会严重影响电流轨迹，不利于故障分离。……