多桥并联励磁系统功率单元故障诊断方法

龚俊名，刘 伟

(1.重庆理工大学 电气与电子工程学院， 重庆 400054；2.重庆市能源互联网工程技术研究中心， 重庆 400054)



多桥并联励磁系统功率单元故障诊断方法

龚俊名1,2，刘 伟1,2

(1.重庆理工大学 电气与电子工程学院， 重庆 400054；2.重庆市能源互联网工程技术研究中心， 重庆 400054)

针对多桥并联励磁系统功率单元的开路故障，提出了一种基于小波分析的故障诊断方法。通过对功率单元主回路的仿真分析，得到输出电压、电流波形的故障特征，总结得出了干扰判断的3个因素：故障时间、故障晶闸管位置、触发角α。利用小波变换将小波能谱熵、小波模极大值点和总结得到的故障类型判断真值表通过分步式的故障诊断方法消除干扰因素，将所有故障情况统一起来，对功率单元进行故障诊断。该方法大大减少了传感器的使用数量，降低了设备成本，提高了系统可靠性。通过实验验证了该方法的可行性和可靠性。

多桥并联励磁系统；功率单元；故障诊断；小波分析；小波能谱熵；模极大值

励磁系统是同步发电机的重要组成部分，其出现故障与否直接影响发电机输出电能质量的好坏，进而影响整个电力系统运行的安全稳定。目前，多桥并联励磁系统在提升同步发电机容量以及满足N-1冗余配置提高系统可靠性方面的能力得到了广泛应用。由于长时间处于频繁通断的恶劣工作状态，导致励磁系统功率单元极易发生故障。

其故障主要表现为两大类：晶闸管直通故障和晶闸管开路故障。发生晶闸管直通故障时，由于流过故障晶闸管上的电流瞬间增大，导致保护电路动作，将故障晶闸管切除。发生晶闸管开路故障时，励磁系统仍继续工作，导致输出励磁电压波形发生畸变，严重影响发电机发电质量，并对电网产生谐波干扰[1]。

目前，应用于励磁系统功率单元主回路故障诊断的方法种类繁多[2-7]。其中，基于快速傅里叶变换(FFT)的故障诊断方法因无法对包含时域特征的信号进行分析，导致多种故障波形对应相同频谱的情况，使其应用受到局限；神经网络和专家系统因需要在系统设计初期输入大量的训练数据，且需要长期的系统调试，在实际应中往往达不到预期效果。基于信息融合的故障诊断方法则需要对电网数据进行云计算，无法在现场进行实时诊断。小波分析[8]作为近年来在故障诊断领域应用广泛的一种方法在单励磁功率单元故障诊断方面也得到了大量应用，但在多桥并联励磁功率单元中仍研究较少。因此，本文针对多桥并联励磁功率单元开路故障特征，研究基于小波分析的故障诊断方法。

1 基于小波的多尺度分析方法

1.1 方法介绍

小波变换是一种新的变换分析方法，它继承和发展了短时傅里叶变换局部化的思想，同时又克服了窗口大小不随频率变化的缺点，具有在高频处时域分辨率高、在低频处时域分辨率低的特点，被称为“数学显微镜”[9-12]。

离散小波变换(discrete wavelet transform,DWT)是指通过对尺度a和偏移b同时离散，将信号f(t)分解到不同尺度上。信号的离散小波变换系数计算式为

(1)

重构式(1)为式(2)。

(2)

Mallat算法是一种建立在多分辨率基础上的离散小波变换的快速算法。它通过采用一系列小波滤波器H、G和h、g对信号进行分解重构，算法如式(3)。

(3)

其中，f(t)为原始信号，j为分解层数，j=1,2，…，J，Aj为第j层的小波逼近系数，Dj为第j层的小波细节系数。

将小波变换与Shannon信息熵相结合所得出的小波能谱熵能够定性地反映信号频域空间的能量分布特征[13]。定义一时间窗w，在该时窗内，定义小波能谱熵WEE如式(4)。

(4)

1.2 模极大值与奇异点间的关系

数学上通过是否存在突变点来判断信号的奇异与否，主要通过Lipschize指数a描述。Lipschize指数越小，说明信号的奇异越严重。在一个具有n阶消失矩的连续小波函数下，对信号y(t)有

可得Lipschize指数：

由此，Lipschize指数可由信号经小波变换得到的模极大值点处的小波系数得到。

2 单励磁功率单元故障分析

2.1 故障信号的分析

实验发现：晶闸管开路故障是励磁系统功率单元故障的主要形式，其中以2个及以下晶闸管同时故障为主。总结故障主要类型有5类：

0.正常；

1.仅一个晶闸管开路；

2.连接同一相两只晶闸管同时开路；

3.同一半桥两只晶闸管同时开路；

4.相交错两只晶闸管同时开路。

共22种故障情况。

对功率单元输出电压波形进行分析发现：故障发生时间、故障晶闸管位置、触发角α这3个因素共同决定故障奇异点发生的时间。进行故障晶闸管的故障定位关键在于消除这3种因素对奇异点出现时刻的影响。

小波分析方法是一种能够对信号不连续点进行识别的方法。由于三相全控整流电路输出电压的波形特征，在用小波变换的方法进行分析时，在细尺度下故障奇异点处与正常情况下的不连续点处都会反映为模极大值点，给判断带来了困难。运用分步式的故障诊断策略，即先进行故障识别再进行故障定位的方法能够有效将故障信号与正常信号分离开来，避免了上述问题。

2.2 故障定位

在故障晶闸管、触发角α固定时，故障发生时间对奇异点时间的影响呈现周期性特征，因此用小波能谱熵WEE首先识别故障周期是一种消除故障发生时间对故障奇异点发生时间影响的方法。

由于db系列小波的正交性和紧支性，能够敏感地识别出故障信号，因此选用消失矩为3的db小波对故障输出电压波形进行2层小波分解，从而进行励磁系统功率单元故障诊断，如图1所示。

图1 故障波形的2层db3分解重构波形

图1中：s为原始信号;d1、d2分别为第1、第2层小波细节重构信号;a1是小波逼近重构信号。引入小波能谱熵的方法，在不同α值下，将时窗窗宽定义为一个周期T，对d1的重构波形进行小波能谱熵计算，得到随时间变化的d1重构信号的小波能谱熵(图2)，可见在故障周期处发生一个明显的能量熵跳变。

图2 d1重构波形小波能谱熵

对故障周期进行识别并截取，由于细尺度下的小波模极大值点能够表征信号奇异点[14],将得到的故障信号d1层细节重构信号中的若干模极大值点中取其中一个作为奇异点即故障定位点[15]，该定位点的特征为其左侧有一段长时间的恒0值段，对应着故障发生时，在感性负载下波形的平滑部分。以VT1故障为例，在不同触发角α下，d1细节重构波形如图3所示。

图3 VT1故障时的d1波形

在工频50 Hz下，记触发角α的时间归算值t′，定位点时刻t，得到式(5)。

Δt=t-t′

(5)

无论α的值如何变化，总有一个Δt能够特征性地表征参与故障的晶闸管，对应关系总结如表1，由此判断参与故障的晶闸管编号，消除了触发角α对奇异点判断的影响，并且得到了不同晶闸管参与故障时奇异点出现时间的关系，同时消除了参与故障晶闸管位置对奇异点出现时间的影响。对于故障情况2，即单个晶闸管故障情况，仅通过表1就能够完成故障诊断工作。

对于2个晶闸管同时故障，则需要将一个时窗内的所有模极大值点用于故障类型的判断，再结合表1进行故障定位。观察并截取图4中的正常周期[0.68 s,0.7 s]的波形，见图4。

图4 无故障波形的d1细节重构信号

故障晶闸管VT1VT2VT3Δt/s0．00490．00820．0116故障晶闸管VT4VT5VT6Δt/s0．01490．01830．0016

总结在此周期中所有模极大值点出现的时刻(令周期起始点为0时刻)，结果见表2。

由表2总结出式(6)来描述随α的变化，模极大值点出现时间的变化规律,进而将所有α的情况统一到α=0°。

(6)

表2 无故障时模极大值点出现时刻

以VT1参与的4类故障为例，根据式(6)将所有α下，一个时窗内的d1重构波形中的所有模极大值点统一到α=0°时的情况，作d1细节重构波形进行分析，见图5。

图5 4种故障情况的d1细节重构信号

将其与正常情况下模极大值点出现时间进行比较，构造一个定义域为(0,1/f)的函数：

(7)

进行如式(8)所示的运算，得到故障类型判断真值(表3)。

n=1,2,…,6

(8)

其中D1(tn)为故障周期内的d1模极大值。

表3 故障类型真值

对于VT2，…，VT6参与故障的情况可以先用表1统一到VT1参与故障的情况，再用式(6)将故障周期中的所有模极大值点出现时刻全部统一到α=0°，最后利用真值表3和细分表4进行故障定位。

表4 故障定位细分

3 并联励磁功率单元故障诊断

目前的大功率同步发电机多采用多桥并联运行的方式，通过提高励磁电流达到提升同步发电机输出容量的目的，通过N-1冗余配置提升励磁系统稳定性。与单桥励磁系统相同，励磁功率单元开路故障仍是其主要故障形式，主要由于整流桥间的均流问题导致某一整流桥负荷较重，加速其中元件的损坏。针对多桥并联励磁故障诊断，有方法提出在励磁柜间的三相联络线上分别安装电流检测单元用以进行多桥并联励磁系统功率单元开路故障诊断[16]。该方法通过判断电流波头的缺失与否对故障晶闸管进行定位，但在并联励磁柜较多的情况下存在传感器使用过多、系统可靠性降低等缺点。因此，本文试图寻求一种降低传感器用量，提高系统稳定性的方法以解决上述问题。

以双桥并联励磁功率单元为例对多桥并联励磁功率单元进行研究。图6为一个双桥并联励磁功率单元的结构。

多桥并联励磁系统与单桥励磁系统之间的不同在于功率单元之间具有互补性，即当其中某一功率单元中的某一晶闸管发生故障后，另一功率单元中相同位置的晶闸管会分担故障晶闸管所应该承担的负荷。将1号励磁柜中的晶闸管编号为VT11～VT16，2号励磁柜中的晶闸管编号为VT21～VT26。如图7所示，以VT1、VT2导通时为例，当1号励磁功率单元中的共阳极组中的VT11开路后，流过VT21的电流会由I/2上升为I，而流过共阴极组中的VT12、VT22的电流则不会发生改变。相反，若共阴极组中的VT12故障，流过共阳极组的电流将不会发生改变。

图6 双桥并联励磁功率单元的结构

图7 VT1、VT2导通时的等效电路

因此，本文在1号励磁功率单元的共阳极侧和共阴极侧分别加入一电流检测单元，记为I1、I2，与输出电压U一起作为双桥并联励磁功率单元故障检测的依据。

图8 VT11、VT22故障的I1、I2、U波形

模极大值点编号123t″n/sI10．00410．01090．0241I20．00750．01410．0275

(7)

再以α=45°，故障时间为0.5 s。以VT11、VT12、VT22、VT24故障为例，I1、I2、U波形见图9。

对I1、I2进行上述分析，能够得到VT11、VT24故障的结论，但与实际情况不符。这是由于2个励磁功率单元的VT2位置同时故障，且大感性负载的储能作用使I2在故障位置处的电流波形无突变，因此在I2的小波分解重构波形中并不能以模极大值的形式体现。但2个励磁功率单元同位置故障的情况可等价于单个励磁功率单元故障。因此，借助U，并对其进行前述针对单个励磁功率单元的故障诊断方法，不难判断出VT12、VT22同时故障。

推广至多桥并联，当并联桥个数为N时，只需在励磁功率单元的输出端装设2(N-1)个电流互感器，1个电压互感器，故障诊断原理、方法及步骤与双桥并联时相同。

图9 VT11、VT12、VT22、VT24故障的I1、I2、U波形

4 实例分析

双桥并联励磁功率单元故障诊断实验平台由励磁控制柜、三相异步电机、励磁变压器组成，如图10所示。其中，励磁控制柜为SGE-4A型，模拟机端电压为380 V，频率为50 Hz，三相异步电机采用三角形连接两端抽头的方式连在励磁功率主回路直流侧作感性负载。

通过断开VT11、VT22触发信号模拟对应晶闸管开路故障，得到3个周期内的故障波形，如图11所示。

图10 双桥并联励磁功率单元故障诊断实验平台

由图11容易看出：系统中1号励磁柜较2号励磁柜承担较多的负荷，反映在故障波形上当VT22开路时，VT12多承担的负荷明显较VT11开路时VT21多承担的负荷少。由于实验针对双桥并联励磁开路故障进行分析，故未对均流问题做进一步讨论。

对I1进行db3小波分解重构，结果如图12所示。

图12 I1故障波形及其db3小波分解重构波形

根据本文给出的双桥故障判断方法得到VT11开路故障，同理对I2进行如上所述的分析，可得VT22开路故障。

5 结束语

本文通过对励磁系统功率单元主回路输出电压、电流故障波形进行分析，通过小波变换的方法，运用分步式的故障诊断方法首先判断故障周期，再判断多桥并联励磁功率单元中有无重复故障位置，对电压、电流故障周期中的小波模极大值分布情况进行分析总结，分别将电压、电流小波分解重构后的模极大值点通过一系列公式统一到α=0°，通过建立故障类型判断真值表及故障细分表进行最终的故障定位。通过实验验证了该方法的可靠性，相较以往的方法，该方法减小了电流互感器的运用数量，提高系统可靠性。

[1] 徐德鸿,马晧.电力电子装置自动故障诊断[M].北京:科学出版社,2001.

[2] 马立新,吴兴锋,费少帅.基于FFT和神经网络的APF故障诊断方法[J].机电工程,2014,31(11):1495-1498.

[3] LUO R C,KAY M G.Multisensor integration and fusion in intelligent systems[J].IEEE Transaction on Systems,Man and Cybernetics,1989,19(5):901-931.

[4] 魏守智，赵海.基于融合理论的网络在线智能故障诊断模型[J].东北大学学报(自然科学版)，2004,3(25):223-226.

[5] GRAY D,ZHANG Z,APOSTOAIA C,et al.A neural network based approach for the detection of faults in the brushless excitation of a synchronous motor[C]//IEEE International Conference on Electro/information Technology.USA:[s.n],2009:423-428.

[6] 毕天妹,严正,文福拴,等.基于径向基函数神经网络的在线分布式故障诊断系统[J].电网技术，2001,25(11):27-34.

[7] 周明,任建文,李庚银,等.基于模糊推理的分布式电力系统故障诊断专家系统[J].电力系统自动化,2001,25(24):33-36.

[8] BHUNIA S,ROY K,SEGURA J.A novel wavelet transform based transient current analysis for fault detection and localization[C]//Design Automation Conference.[s.n]:[s.l],2002:361-366.

[9] HAJJAR A A,MANSOUR M M,TALLAT H E A.Wavelets for six-phase transmission lines relaying:fault classification and phase selection[C]//Electrotechnical Conference.[s.n]:[s.l],2002:235-239.

[10]MURTY Y V V S,DUBEY G K,SINHA R M K.Fault Diagnosis in Three-Phase Thyristor Converters Using Microprocessor[J].IEEE Transactions on Industry Applications,1984,IA-20(6):1490-1497.

[11]杨建国.小波分析及其工程应用[M].北京:机械工业出版社,2005.

[12]胡国胜，任震，黄雯莹.小波变换在电力系统中应用研究[J].电力自动化设备,2002,22(3):71-78.

[13]刘毅华，赵光宙.基于滤波预处理的小波故障检测方法[J].电力自动化设备,2007,7(2):51-55.

[14]何正友,蔡玉梅,钱清泉.小波熵理论及其在电力系统故障检测中的应用研究[J].中国电机工程学报,2005,25(5):38-43.

[15]郑连清,邹涛,娄洪立.电力电子主电路故障诊断方法研究[J].高电压技术,2006,32(3):84-86.

[16]官鹏,许其品.多桥并列运行励磁功率单元的故障诊断方法[J].水电与新能源,2016,17(7):69-72.

(责任编辑 陈 艳)

Fault Diagnosis Scheme Based on Wavelet Analysis of Power Unit in Excitation System

GONG Jun-ming1,2， LIU Wei1,2

(1.College of Electrical and Electronic Engineering, Chongqing University of Technology, Chongqing 400054, China; 2.Energy Internet Engineering Research Center of Chongqing, Chongqing 400054, China)

This article presents a fault diagnosis method based on wavelet analysis in case of locating the fault thyristors in multi-bridge parallel power unit of excitation system. Summarizing three factors that influence the apparent time of singular point: fault time, location of fault thyristors,α(the firing angle) through the simulation of power unit. The usage of wavelet energy entropy, wavelet modulus maxima and the truth table of fault categories can be applied to remove the effect of disturbing factor and unifies all the fault situations with progressive fault diagnosis strategy that reduce the quantity of current sensors, lower the equipment cost and improve the system reliability. According to simulation and experiment, an improvement method was proposed to test the reliability of this method.

power unit of excitation system; power unit; fault diagnosis; wavelet analysis; wavelet energy entropy; wavelet modulus maximum

2017-02-09

龚俊名(1991—)，男，硕士研究生，主要从事电力设备故障分析与检测研究,E-mail：gjm@2014.cqut.edu.cn；刘伟(1963—)，男，副教授，主要从事电力系统运行与控制、电力设备故障诊断与容错控制研究,E-mail: liuwei@cqut.edu.cn。

龚俊名，刘伟.多桥并联励磁系统功率单元故障诊断方法[J].重庆理工大学学报(自然科学)，2017(6):171-178.

format：GONG Jun-ming，LIU Wei.Fault Diagnosis Scheme Based on Wavelet Analysis of Power Unit in Excitation System[J].Journal of Chongqing University of Technology(Natural Science)，2017(6):171-178.

10.3969/j.issn.1674-8425(z).2017.06.026

TM711

A

1674-8425(2017)06-0171-08