风力发电机转子绕组匝间短路故障相诊断方法*

□ 王馥华 □ 姚 凯 □ 陆 轶

上海市质量监督检验技术研究院 上海 200072

在风电场中,双馈异步风力发电机运行时不时会出现故障。因此,尽早对双馈异步风力发电机进行故障判断,确定发生故障的相,这特别重要。通过Elman神经网络快速找到转子绕组匝间短路故障的发生相,可以节省时间和维护成本,并且可以快速而准确地确认故障位置。

1 传统Elman神经网络结构

传统Elman神经网络基本结构如图1所示,输入层为第一层,隐藏层为第二层,承接层为第三层,输出层为第四层。

▲图1 传统Elman神经网络基本结构

对于传统Elman神经网络,假设第一层节点i与第二层节点j通过可变因数W1进行信息传递,第二层节点i与第三层节点j通过可变因数W2进行关联,第四层节点i与第二层节点j通过可变因数W3进行信息传递。

2 Elman神经网络结构改进

在传统Elman神经网络的基础上,添加一个新的权值W4,位于第四层节点和第三层节点的中间。f(x)是Elman神经网络第二层节点函数Sigmoid函数:

f(x)=1/(1+e-αx)

(1)

对传统Elman神经网络进行改进,结构原理如图2所示。

▲图2 改进Elman神经网络结构原理

改进后,隐藏层利用z(-1)连接到输出层。考虑到承接层在第k+1步反馈的误差,必须延迟一步才能用于第k步权值的修正。改进Elman神经网络状态方程为:

X(k+1)=W3f[X(k)]+W1U(k+1)

(2)

Y(k+1)=W4X(k)+W2X(k+1)

(3)

式中:U(k)为输入层节点的输出;X(k)为承接层节点的输出;Y(k)为输出层节点的输出。

由改进Elman神经网络状态方程可知,添加新权值W4,可以使Elman神经网络的动态性能和收敛能力更强。

3 试验样本获取

试验中,以双馈异步风力发电机定子绕组三相电流的谐波幅值及转子绕组三相电压的幅值作为故障特征量,通过ANSYS软件仿真双馈异步风力发电机故障,得到样本数据。……