基于忆阻神经网络的风电变流器故障诊断

分类号：470.4031密级：天津理工大学研究生学位论文基于忆阻神经网络的风电变流器故障诊断（申请工程硕士学位）工程领域：电气工程作者姓名：王训指导教师：王云亮教授赵相宾高级工程师2015年3月ThesisSubmittedtoTianjinUniversityofTechnologyfortheMaster’sDegreeFaultDiagnosisofWindTurbine'sConverterBasedonMemristiveNeuralNetworkByWangXunSupervisorProf.WangYun-liangSN.EngineerZhaoXiang-binMarch,2015独创性声明本人声明所呈交的学位论文是本人在导师指导下进行的研究工作和取得的研究成果，除了文中特别加以标注和致谢之处外，论文中不包含其他人已经发表或撰写过的研究成果，也不包含为获得天津理工大学或其他教育机构的学位或证书而使用过的材料。与我一同工作的同志对本研究所做的任何贡献均已在论文中作了明确的说明并表示了谢意。学位论文作者签名：签字日期：年月日学位论文版权使用授权书本学位论文作者完全了解天津理工大学有关保留、使用学位论文的规定。特授权天津理工大学可以将学位论文的全部或部分内容编入有关数据库进行检索，并采用影印、缩印或扫描等复制手段保存、汇编，以供查阅和借阅。同意学校向国家有关部门或机构送交论文的复本和电子文件。（保密的学位论文在解密后适用本授权说明）学位论文作者签名：导师签名：签字日期：年月日签字日期：年月日摘要目前，能源匮乏与环境污染上升成为困扰全球发展的两个最主要的问题，而风能的开发利用将是缓解这两大难题的有效途径。作为风力发电系统的核心部件，风电变流器的作用主要在于保证在风速变化时系统依然能够发出频率、幅值稳定的优质电能。然而，风力发电机组往往都建在偏远、气候条件不适宜人类长期居留的戈壁、山区、草原等地区，且分布面积广、数量多，再加上机组体积庞大，结构复杂，难以做到日常的例行检查和维护。风电变流器在运行过程中如果发生故障，轻则致使输出电压波形产生畸变从而降低供电质量，重则损毁发电机等昂贵设备，致使整个风电机组瘫痪，甚至会对整个电网的安全产生极大的威胁，给国家造成巨大的经济损失。因此，为了避免事故的进一步加剧，减少由此带来的经济损失，确保风电变流器安全、高效、可靠地运行，研究风电变流器的故障诊断系统具有十分重要的意义。本文以风力机变流器为研究对象，提出将忆阻神经网络应用于其相关故障的诊断测试中，并在Matlab/Simulink平台上建立了一套基于忆阻神经网络的故障诊断系统。论文的主要研究工作包括：(1)建立了永磁直驱式风电变流器的Simulink仿真模型，模拟了变流器在正常运行状态时的输出电压波形，以及单IGBT开路、上下桥臂中的两只IGBT同时开路、同一半桥的两只IGBT同时开路、交叉的两只IGBT同时开路时的输出电压波形。在此基础上，利用小波包分析法对变流器处于不同开路故障下的输出电压波形进行了特征提取，经过规范化处理，得到相关的故障特征向量。(2)利用电压控制忆阻器作为人工神经网络（ArtificialNeuralNetworks，简写为ANNs）的权重，在工程思想上提出了基于忆阻器的神经网络，并给出了整体模型、程序流程、算法、学习规则及各功能单元的设计方案。最终建立了面向风电变流器常见开路故障的整套故障诊断系统。(3)选取基于小波包分析构造的故障电压特征向量作为忆阻神经网络的输入量，对风力机变流器的正常运行状态以及常见的21种开路故障进行了学习训练，并通过实际工况下变流器的桥臂故障对此诊断系统进行了仿真测试。仿真结果说明，该系统能较为准确地诊断风电变流器一系列常见的开路故障。忆阻神经网络在断电状态下可以“记忆”权值，对新事物、新模式的自适应性更强，更接近与人类大脑的工作方式。将忆阻神经网络应用于风电变流器的故障诊断，在兼顾准确性的同时极大地提高了运行速度，具有一定的工程应用价值。关键词：风电，变流器，忆阻器，故障诊断，神经网络AbstractCurrently,energyshortageandenvironmentalpollutionbecometwoglobalproblems.Thedevelopmentandutilizationofwindenergywillbeaneffectivewaytoalleviatethesetwoproblems.Asacorecomponentofthewindpowergenerationsystem,windturbine'sconverterismainlyusedtoensurethatwhenthewindspeedchangesinthesystemisstillabletosendoutthequalitypowerwhosefrequency,amplitudearestable.However,windturbinesareoftenbuiltinremotedesert,mountains,grasslandsandotherareaswhoseweatherconditionsareunsuitableforlong-termhumanresidence,andthewidedistributionarea,quantity,unitvolumecoupledwiththehuge,complex,difficulttodoeverydayroutineinspectionandmaintenance.Moreover,thewidedistributionoftheirsize,quantity,coupledwithhugevolume,complexstructuremakethedailyroutineinspectionandmaintenancebeverydifficult.Iffaultsofthewindturbine'sconverteroccurduringoperation,waveformdistortionwillariseandpowerqualitywillbelow.Evenitwilldamagethegeneratorandotherexpensiveequipments,interrupttheoperationoftheentirewindturbine,endangergridsecurity,resultinginhugeeconomiclosses.Therefore,inordertopreventfurtherdeteriorationofthefaultaccidents,reduceeconomiclosses,ensurewindturbine'sconverteroperatesafely,efficientlyandreliably,researchingthefaultdiagnosissystemofwindturbine'sconverterhasveryimportantsignificance.Thispaper,withthewindturbine'sconverterastheresearchobject,putsforwardthememristiveneuralnetworkisappliedtofaultdiagnosisofwindturbine'sconverter,andestablishesasetoffaultdiagnosissystembasedonmemristiveneuralnetworkthroughMatlab/Simulink.Themainworkofthepaperincludes:(1)Establishasimulationmodelofdirectdrivepermanentmagnetwindturbine'sconverter,andsimulatetheoutputvoltagewaveforminthenormalrunningstateoftheconverter,thefaultvoltagewaveformofsingletubeopen-circuit,ipsilateralbridgearmopen-circuit,adjacentbridgearmopen-circuitandhybridbridgearmopen-circuit.Onthisbasis,throughthewaveletpacketanalysismethod,extractthecharacteristicofsimulationdataandconstructofthefaultfeaturevector,withstandardizationprocessing.(2)Usethevoltage-controlledmemristorastheweightofneuralnetwork,proposetheneuralnetworkbasedonmemristorsintheengineeringthought,andgivethedesignschemeofthewholemodel,programflow,algorithm,learningrulesandeachfunctionunit.Finally,establishasetoffaultdiagnosissystembasedonmemristiveneuralnetwork.(3)Selectthefeaturevectoroffaultvoltagebaseonwaveletpacketanalysisastheinputofmemristiveneuralnetwork.Learnandtrainthenormalrunningstateofwindturbine'sconverterand21kindsofcommonopen-circuitfaults,andtestthisfaultdiagnosissystemthroughthebridgearmfailureundertheactualworkingcondition.Simulationresultsshowthatthissystemcanaccuratelydiagnosedifferentfaultsofwindturbine'sconverter.Memristiveneuralnetworkcanmemoryweightsafterpower-off,anditsadaptabilityisstrongerfornewthings,newmode.Itisclosertothehumanbrain.Memristiveneuralnetworkisappliedtofaultdiagnosisofwindturbine'sconverter,andgreatlyimprovesthespeedofoperationinthepremiseofensuringtheaccuracy.Ithascertainengineeringapplicationvalue.Keywords：Windpower,Converter,Memristor,Faultdiagnosis,Neuralnetwork-i-目录第一章绪论..............................................................................................................................11.1背景及意义...........................................................................................................