风力发电系统多故障诊断与容错控制的利记博彩app
【专利摘要】本发明公开了一种风力发电系统的多故障诊断与容错控制方法，首先利用T?S模糊算法建立风力发电系统的全局模糊模型；利用传感器硬件冗余技术结合执行器故障的特点，将执行器故障转化为传感器故障，建立多故障诊断逻辑表，实现多故障检测；其次引入滤波器，将传感器故障转化为执行器故障，建立虚拟执行器故障，通过对虚拟执行器故障的重构来实现两种故障同时重构；最后基于故障重构值对控制器的输入与输出进行校正，实现主动容错控制。其优点是本方法能够同时实现执行器与传感器故障并存的风力发电系统的诊断与重构，实时在线获取精确的故障信息，进行容错控制，增强了系统处理未知故障的能力，提高了故障下的风能转换效率。
【专利说明】
风力发电系统多故障诊断与容错控制
技术领域
[0001] 本发明设及一种风力发电系统的多故障诊断与容错控制，基于FDD单元在线实时 获取的精确故障信息对故障进行主动容错控制。
【背景技术】
[0002] 风电能源是世界上发展最快的可再生能源，已经成为解决世界能源问题不可或缺 的重要力量。风力发电设备一般位于高山或远离海岸的偏远地域，气候变化不可预测，在运 样高度恶劣、复杂的工作环境中，执行器、传感器故障发生频繁。
[0003] 风力发电系统内部结构复杂，元部件众多，其中执行机构最为复杂，包括传动系 统，发电系统，偏航系统和液压系统等，承载的负荷最大，发生故障的概率最大，对系统的安 全可靠性影响也最大。同时为保障系统可靠运行，系统内部需要安装多个传感器，尽可能将 全面的数据传送到数据采集模块，并由数据采集模块将运些数据传送到主控系统，经过分 析和处理后，发出相关控制指令，若运些传感器发生故障，会直接影响到系统的运行，特别 的，如果故障传感器的输出信号被反馈于系统控制器，将导致系统性能降低甚至失控。为此 对风力发电系统进行实时故障诊断，实施有效的容错控制W确保风力发电系统的可靠性势 在必行。
[0004] 故障诊断作为主动容错控制的重要支持技术之一，增强了系统处理未知故障的能 力，但只能判断系统是否发生故障，故障重构作为故障诊断的有力补充，在实现故障检测和 分离的同时，可得到故障大小与发生时间等信息，为采取有效容错控制措施消除故障对系 统的影响提供更充分的依据。
[0005] 目前研究大多都是针对风力发电系统单一传感器或执行器故障下的诊断与容错 控制，随着自动化水平的不断提高，风力发电系统日益趋向于复杂化，故障发生的情况也复 杂多变，实际系统中单一传感器或执行器故障发生概率较低，研究具有很大局限性。同时风 力发电控制系统严重地依赖执行器，传感器，W及数据查询接口来确保受控系统与控制装 置之间有合适的交互。因而执行器与传感器故障往往是同时存在于系统中的，对多故障的 诊断与容错控制更具有实用价值。因此本文在多故障检测基础上，对执行器故障与传感器 故障进行同时重构，为系统提供充分的实时故障信息，通过容错控制技术降低系统故障率， 减小设备维修时间，保证系统在故障下仍然能够在一定指标范围内稳定运行，提高故障下 的风能利用效率。
【发明内容】
[0006] 本发明的目的是针对风力发电系统中的执行器与传感器同时存在的情形，设计一 种多故障诊断策略及容错控制方法用于处理多故障下的风力发电系统，保证系统在故障无 法得到及时维修时系统也能维持满意的性能指标，实现故障下风能最大捕获。
[0007] 按照发明提供的技术方法，所述的风力发电系统多故障诊断与容错控制包括W下 步骤：
[000引第一步:建立风力发电系统的状态方程
[0009] 双馈风能转换系统的发电过程是将风能转换为机械能，再由机械能转换为电能的 过程，在运个过程中，风轮机捕获电能的过程是关键，它直接决定了风能转换系统的转换效 率。
[0010] 根据贝兹理论，风轮机产生的机械功率、气动转矩风能利用系数及叶尖速比表达 式为
[0011] 似
[001 ^ 闽
[0013]
[0014] (4)
[0015] 式中，Prt为风力机的捕获功率，Twt为风力机风轮输出转矩，Cr(A，e)为风力机的 转矩系数，Cp( A，0)为风能利用系数，A为风力机的叶尖速比，0为奖距角，R为风力机叶片长 度，P为空气密度，V为风速，Q 1为风轮角速度。
[0016] 忽略模型中的一些动态特性，由于电磁时间常数小于机械时间常数，在系统建模 时可忽略发电机的电磁响应的动态过程，则风能转换系统动态状态方程可表示如下：
[0017]
[001引 ，x(t)GRn为状态 向量，U(t) GRm为输入向量，y(t) GRP为输出向量，A' GRnXn, BGRnXn, CGRnXn分别为系统矩 阵，Qh为高速轴的转速，Tg为发电机的电磁转矩，为电磁转矩参考值，i为齿轮的变速 比，Tg为电磁时间常数，Jt为高速轴转惯量。
[0019] 额定风速W下时奖距固定，即：
[0020]
倾
[0021 ]从风能转换系统的状态方程(5)可知系统的控制输入为电磁转矩参考值，且系统 矩阵A'中元素All是随着状态变量Q h改变的，所W风能转换系统具有强的非线性特性。
[0022] 第二步:建立风力发电系统全局T-S模糊模型
[0023] 对风力发电系统进行T-S模糊，定义前件模糊变量为zi(t)=v，Z2(t)= Qh(t)，j? 系统（l)中矩阵A可写成新形式A(zl(t),Z2(t))。取vl《min(v)《max(v)《Vm，Qhl《min (Qh)《max( 〇h)《 Qhm。在区间[vi,vm]上取m-2个点，并且在区间[Qhi, Qhm]上也取n-2个 点，则可得到由若干个前件模糊变量值组成的两个序列：
[0024]
口）
[00 巧]式中，i = l,2，...，m，j = l，2，...，n。
[0026]根据泰勒公式，得到风转矩变量在(VI，Qhi)处的线性表达式为：
[0027] 憐
[002引
[0029] 将式(8)代入式（5)，并将序列Zi和Z2中元素彼此匹配，代替系统矩阵A(ZiU)，Z2 (t))中的zi(t)和Z2(t)，可得一系列的常值矩阵Aij，i = l，2,…，m，j = l，2,…，n，进一步可 得第i个子系统的局部线性模型为：
[0030] '地）=4雄）+公;"(')，= 巧）
[0031] 定义T-S模糊模型的模糊规则如下：
[0032] Rule Ri:
[0033] If zi(t)is Miiandzsis Mi2and...Zr(t)is Mir (10)
[0034]
[0035] 式中，Ri为第i条模糊规则，Z^j = I，2)为前件模糊变量，Mu为模糊子集，i = I， 2,…，r，r为模糊规则总数。
[0036] 定义模糊权值为：
[0037]
仙
[0038] 式中，i = l，2,…，r ,Mu(Z^t))为前件模糊变量zパt)在第i条模糊规则下对应的 隶属度函数，且两个模糊子集的隶属度函数均采用=角函数，且
。
[0039] 则执行器及传感器下的风力发电系统T-S模糊模型的全局状态方程为：
[0040]
腿）
[0041 ] 式中
，fa表示执行器故障，D为执行器故障 分配矩阵，f S表示传感器故障，F为传感器故障分配矩阵。
[0042] 第S步:风力发电系统多故障诊断策略
[0043] 风力发电系统中的传感器故障W高速轴转速传感器为例，采用硬件冗余技术在系 统输出高速轴转速Qh信号的位置安装两个完全一样的转速传感器用于测量高速轴转速， 记为Q h,ml和Q h,m2，i = 1，2。当系统无传感器故障时，Q h,ml = Q h,m2= Q h;当系统发生传感器 故障时，运个信号变为Q h,ml = Q h+ A Q h,ml，Q h,m2= Q h+ A Q h,m2。其中，附加的A Q h,ml和A Q h,m2表示转速传感器I和转速传感器2可能发生的故障值。风力发电系统中的执行器故障 可能来源主要有:传动系统中齿轮箱、轴承中的齿面磨损、疲劳及轴承变形等部分失效;奖 距系统中油液泄露过大、油中空气含量较高及切断阀失效等，运些故障可W建模为参数的 偏差。
[0044] 风力发电系统故障诊断:可通过比较两个相同位置同一类型的传感器之间的测量 值，来实现故障诊断目的。运个两个信号之间的差异能直接表明故障的发生，例如，若I Qh,ml -Qh,m2 M在某一时间段内不等于0,则说明系统发生故障。
[0045] 当故障检测完成后，判断出系统发生故障，下一步工作就是找到哪一个传感器或 执行器发生故障。通过上一章所设计的T-S模糊滑模观测器能够准确得出高速轴转速估计 值^，其在任何传感器故障发生前后都非常接近实际值。由于执行器故障是系统内部故障， 其会导致系统相关参数变化，最终会影响系统的输出，因此其可W被视为传感器故障，并且 会导致两个传感器的测量值与系统正常输出值之间有偏差。记
作残差信号，则系统故障诊断策略具体描述，如表1所示：
[0046] 表1多故障诊断逻辑表
[0047]
[004引第四步:执行器与传感器故障同时重构
[0049] 由于风机自动化水平的大幅度提高、系统内部结构复杂、故障类型众多，并且风力 发电系统严重地依赖执行器、传感及数据查询/接口来确保受控系统与控制装置之间有合 适的交互，因而传感器与执行器故障同时重构更具实用价值及重要意义
[0050] 考虑传感器故障与执行器故障同时存在的系统（12)，假设系统（12)满足即 ,-(W地'D.I= Tank(D)及系统的不变零点是稳定的。对系统（12)进行如下变换得：
[0051] 用正交矩阵Tr乘W式（12)中的系统输出矩阵，可将输出方程分解为不含有传感器 故障(yi)和含有传感器故障(y2)的两个测量方程：
[0052] (13)
[0053] (14)
[0054] 为了实现对两种故障同时重构，采用如下的转换思路，一个有效的方法就是引入 滤波器，定义一组新的状态变量z(t)作为含有传感器故障的输出y2(t)滤波后的信号，如式 (15)：
[0化5]
(巧)
[0056]式中，Af为一个稳定滤波矩阵。
[0化7] S羊古井否n.。而俱
[0058] 脚）
[0化9] (17)
[0060]考虑式(16)、（17)，则风力发电系统可重新表示为：
[0061 ] 口刮
[0062]
[0063] 式中，
衰示虚拟执 行器故障向量，其也是范数有界的，即fas(t)《ri(x，u，t)巧0，ri〇为一个正常数，Xa(t) = [x(t )T Z(t)T]T为坐标变换后的系统状态变量。
[0064] 通过上述对系统（12)的变换，可看出变换后的新系统（18)、（19)中已经不含有传 感器故障，而是将传感器故障与执行器故障都变为执行器故障进行处理。因此只需设计相 应的滑模故障观测器结合等价输出注入理论，可得虚拟故障重构值又(0,至此两种故障fs (t)、fa(t)的同时重构问题得W解决。
[0065] 下面简述风力发电系统主动容错控制器的设计过程：
[0066] T-S模糊滑模观测器的存在条件：
[0067] (1 )ra址（CaM) =rank(M);
[006引（2)(Aa，M，Ca)的不变零点是稳定的。
[0069] 设计风力发电系统滑模观测器的形式如下：
[0070] 巧 0).
[0071] (21)
[0072] 式中，P为修正系数(增益），由故障幅值所决定。Gi,Gn为鲁棒滑模观测器的待定线 性反馈矩阵和非线性反馈矩阵。为了能够确保滑模运动而设计滑模控制策略VP，即
[0073]
(22)
[0074] 定义状态估计误差为t'=----V,，输出误差为^ =妃-.V。。
[00巧]假设条件1滿思，刚巧在一个线忡巧格随T，伸得(Aa，M，Ca)变为式（23)的形式：
[0076]
脚
[0077] 式中，T是一个正交阵，M; = ，M〇是一个满秩矩阵，
， (Aa22 ,Aa31)是完全可观测的。
[0078] 通过式（18)-(19)及(20)-(21)可的系统误差动态方程为：
[0079](24)
「一五 jT-
[0080] 式中，Aa〇=Aa-GiCa。观测器矩阵可取为=护',L= [Li 0]。
[0081] 输出动态误差为：
[0082]
解)
[00削当滑模运动到达时今。的=?,,(0 = (>，不连续项可W表示如下
[0084] Vp = - ( CaGn ) CaAaoe ( t ) "CaMfas ( t ) ) (26)
[0085] 贝 Ij
[0086] e ( t ) = ( I -Gn ( CaGn ) ) Aaoe ( t ) -CaMfas ( t ) (27)
[0087] 式中，
[0088] 为了利用所设计的滑模观测器实现执行器与传感器故障同时重构，定义线性坐标 变换:Tl : e^eL，3
?则矩阵(Aa，M，Ca)将转变为如下的形式：
[0089]
(28)
[0090] 式中，AalL = Aal+LAa3，M2L = TM2都是满秩矩阵，非线性增益矩阵满足李雅普诺夫方 程，可取GnL= [0 Ip] T
[0091 ]在此坐标变换下，系统的状态和输出偏差方程为：
[0092] 脚）
[0093] 但0》
[0094] 假设滑模运动到达点的= MO = O "AalL是稳定的，则eai(t)一0。
[00对因此，可得
[0096]
脚
[0097] 则未知故障向量的重构值为：
[009引
脚
[0099] 同理利用连续函数表示不连续项：
[0100]
魄).
[0101 ]式中，O为取值较小的标量来保证故障重构的精度。
[0102] 运里观测器的稳定性及状态在有限时间内到达滑模面可通过建立李雅普诺夫函 数进行证明，观测器增益矩阵可W通过极点配置发进行求解。同样可利用给定的故障重构 误差阔值，对故障重构精度进行判断。第五步:风力发电系统的容错控制
[0103] 通过W上的故障重构理论，能够实时获取故障波形、幅值等信息，避免了产生和评 价残差信号的复杂性。因此利用传感器故障重构值又对传感器故障输出信号yf进行校正，贝U 系统输出校正信号为：
[0104] = (：34)
[0105] 然后利用输出校正信号yr作为控制器的输入，保证控制器对系统输出准确的控制 量U，进而实现传感器故障下风力发电系统主动容错控制。论文所设计的主动容错控制策略 无须改变原来系统输出反馈控制器的结构和参数，仍采用系统原先设计的控制器，利用输 出校正信号yr对系统进行容错控制，对故障类型不需要进行预判，突出了主动容错控制能 够处理未知故障的能力。此时控制器输入为
[0106] Uc = ;yf-Ffs (35)
[0107] 式中，Uc= [Qh Tg]t为控制器的输入。
[0108] 同理对执行器故障也可采用类似的容错控制。
【附图说明】
[0109] 图I基于双馈感应发电机(DFIG)的风力发电系统的基本结构
[0110] 图2隶属度函数结构图
[0111] 图3风力发电系统容错控制结构图
[0112] 图4风力发电系统半实物仿真控制原理图
[0113] 具体实施方法
[0114] 下面结合附图和实例对本发明作进一步说明。
[0115] 第一步:建立风力发电系统的全局模糊模型
[0116] 根据式(5)所得到的风力发电系统的状态方程，利用T-S模糊算法得到风力发电系 统的全局T-S模糊模型如式(8)所示。
[0117] 第二步:风力发电系统多故障诊断与重构策略
[0118] 通过对执行器故障与传感器故障特点分析，执行器故障是系统内部故障，其会导 致系统相关参数变化，最终会影响系统的输出，因此其可W被视为传感器故障，通过传感器 硬件冗余技术结合滑模观测器理论，建立逻辑残差表，实现多故障诊断。
[0119] 其次通过引入一个简单的滤波器，将传感器故障转化为执行器故障，建立一个由 原有的执行器故障和传感器故障组成的虚拟执行器故障，通过对虚拟执行器故障的重构来 实现两种故障同时重构。
[0120] 第S步:风力发电系统的容错控制
[0121] 通过W上的故障重构理论，能够实时获取故障波形、幅值等信息，避免了产生和评 价残差信号的复杂性。因此利用传感器故障重构值义对传感器故障输出信号yf进行校正，贝U 系统输出校正信号为：
[0122] = (：34)
[0123] 然后利用输出校正信号yr作为控制器的输入，保证控制器对系统输出准确的控制 量U，进而实现传感器故障下风力发电系统主动容错控制。论文所设计的主动容错控制策略 无须改变原来系统输出反馈控制器的结构和参数，仍采用系统原先设计的控制器，利用输 出校正信号yr对系统进行容错控制，对故障类型不需要进行预判，突出了主动容错控制能 够处理未知故障的能力。此时控制器输入为
[0124] Uc=^-Ffs (35)
[012引式中，Uc=[Qh Tg]t为控制器的输入。
[01%]同理对执行器故障也可采用类似的容错控制。
[0127] 第四步将上述所述的多故障的风力发电系统诊断与容错控制模块在半实物仿真 器件AD5436上实现。其输入为风力机的风速信号对应的数字量信号，输出为转速信号和电 磁转矩信号用于对风力发电系统进行闭环反馈控制。PC机通过W太网与AD5436连接，通过 AD/DA变换器将模拟量转化成数字量。当风速变量传至齿轮箱时，传动链带动电机转动，通 过AC-AC变换，送至电网。
[0128] 本发明用于并网型风力发电系统中，如图所示。主要模块有风力机，齿轮箱，双馈 感应发电机，电力电子变换器，电容，变压器及电网等。将仿真软件Matlab中所搭建的故障 诊断与容错控制的模型拷入半实物仿真工具箱中，结合相关电力电子部分设计，进行半实 物仿真，利用半实物仿真箱所得的容错控制后的性能参数风能利用系数与叶尖速比的波形 图，与故障下的情形进行对比，验证本发明所设计的容错控制器的有效性。
[0129]当风机运行过程中，本发明所设及的故障诊断单元能够实时在线获精确的故障信 息，对风力发电系统的故障进行补偿，并不改变整个风电系统及控制器的结构和参数，因此 控制器设计简单方便。当故障出现后，由利用所设计的主动容错控制器，整个系统仍然能够 维持与原定性能指标相近水平，并且稳定运行，完成相应的控制任务。
【主权项】
1.风力发电系统多故障诊断与容错控制，其特征是： 提出风力发电系统多故障诊断策略； 传感器故障以高速轴转速传感器为例，采用硬件冗余技术在系统输出高速轴转速Ω以言 号的位置安装两个完全一样的转速传感器用于测量高速轴转速，记为Ω h,mjP Ω h,m2，i = 1， 2;当系统无传感器故障时，Qh,ml= Qh,m2= Qh;当系统发生传感器故障时，信号为Qh,ml = Qh+A Qh,ml，Qh,m2= Qh+A Qh,m2;附加的Δ Ω_#ΡΔ 0^2表示转速传感器1和转速传感 器2可能发生的故障值； 通过比较两个相同位置同一类型的传感器之间的测量值，实现风力发电系统故障诊断 目的；这个两个信号之间的差异能直接表明故障的发生，若I I Qh,ml-Qh,m2| I在某一时间段 内不等于〇，则说明系统发生故障；T-S模糊滑模观测器能够准确得出高速轴转速估计值Λ，其在任何传感器故障发生前 后都非常接近实际值;执行AS致系统相关参数变化，影响系统 的输出，可视为传感器故障 乍残差信号，系统故障诊断策略 具体描述如表1所示： 表1多故障诊断逻辑表对执行器与传感器故障进行同时重构； 考虑传感器故障与执行器故障同时存在的系统（12)，假设系统（12)满足 …nk( D>及系统的不变零点是稳定的；用正交矩阵Tr乘以式（12)中的系统输出矩 阵，可得式(13)与式(14):(13) (14) 引入滤波器，定义一组新的状态变量z(t)作为含有传感器故障的输出y2(t)滤波后的信 号，如式(15):(15) (16) (1?) 考虑式(16)、（ 17)，则风力发电系统可重新表示为： Xa ) = (0 + SlOii) + Was (?) (18) ya(t) =CaXa(t) (19)表示虚拟 执行器故障向量，其是范数有界的，即fas(t)彡n(x，u，t)+ri()，ri()为一个正常数，xa(t) = [x(t )Tz(t)T]T为坐标变换后的系统状态变量； 通过上述对系统（12)的变换后，新系统（18)、（19)中已不含有传感器故障，而是将传感 器故障与执行器故障都变为执行器故障进行处理。设计相应的滑模故障观测器结合等价输 出注入理论，可得虚拟故障重构值又(/)，解决两种故障f s(t)、fa⑴的同时重构问题； 下面简述风力发电系统主动容错控制器的设计过程： T-S模糊滑模观测器的存在条件： (I )rank(CaM) =rank(M)； (2) (Aa，M，Ca)的不变零点是稳定的； 设计风力发电系统滑模观测器的形式如下：(20) (21) 式中，P为修正系数(增益），由故障幅值所决定;G1,Gn为鲁棒滑模观测器的待定线性反 馈矩阵和非线性反馈矩阵。为了能够确保滑模运动而设计滑模控制策略VP，即(22) 定义状态估计误差为-^，输出误差为心=九_)，《; 假设备件1滿足，存在一个线件夺换阵T,伸得(Aa.M. Ca)夺为式（23)的形式：(Aa22 ,Aa31)是完全可观测的；通过式（18)-(19)及(20)-(21)可的系统误差动态方程为：(24) (25)当滑模为了利用所设计的滑模观测器实现执行器与传感器故障同时重构，定义线性坐标变 换·则矩阵(Aa，M，Ca)将转变为如下的形式：(28)式中，AalL = Aal+LAa3 ,M2l = TM2都是满秩矩阵，非线性增益矩阵满足李雅普诺夫方程，取在此坐标变换下，系统的状态和输出偏差方程为： (29) (30) 假设滑模运动到达，夂⑴=L W = G ;AalL是稳定的，则eal( t)-0; 因此，可得(D 则未知故障向量的重构倌为：(32) 同理利用连续函数表示不连续项：(33) 式中，σ为取值较小的标量来保证故障重构的精度。
【文档编号】F03D17/00GK106014877SQ201610363219
【公开日】2016年10月12日
【申请日】2016年5月27日
【发明人】沈艳霞, 王旭, 杨雄飞
【申请人】江南大学