- 頭條湘潭大學科研團隊提出永磁同步電機驅動系統開路故障診斷的新方法2023-01-02 作者：張瀟丹、段斌 等 | 來源：《電工技術學報》 | 點擊率：導語湘潭大學自動化與電子信息學院的研究人員張瀟丹、段斌、劉昌杰、陳月平，在2022年第13期《電工技術學報》上撰文，針對永磁同步電機（PMSM）系統故障間關聯性強、異構信息復雜繁多以及傳統故障診斷方法無法追溯耦合故障發生的真正原因等問題，提出了基于本體追蹤的故障診斷方法。經實驗驗證，該方法提高了各子系統間信息的利用率，能夠合理地追溯故障原因，為大型復雜系統的故障診斷提供了一個可共享、易更新的標準化方法。
永磁同步電機（Permanent Magnet Synchronous Machine, PMSM）相較于傳統的同步電機具有轉換效率高、能量損耗小、體積小和力矩慣量大等絕對優勢而發展迅速，近年來已廣泛應用于新能源發電、航天航空、電動汽車等領域。在工業運作過程中，永磁同步電機的連續作業非常重要，任何故障的發生都會導致巨大的損失，而PMSM系統是大型復雜系統的典型代表，結構及運行機理復雜，故障發生率高且耦合性極強，故障間關聯緊密，其中以PMSM驅動系統開路故障最為常見且后果嚴重，而變流器開路故障是PMSM驅動系統高故障率的主要原因之一。
數據分析法是診斷變流器開路故障的主流方法之一，主要分為以電壓量或電流量為觀測信號對變流器運行狀態進行分析。電壓分析法需要額外安裝監測設備，對系統結構的空間預留及運行復雜度有所要求；而電流是最容易獲取的電信號，同時能夠比較直觀地反映出變流器的運行狀態，無需額外增加設備。已有文獻主要采用Park矢量電流平均值法、傅里葉歸一化直流法、電流矢量軌跡法、輸出電流DQ軌跡法等方法對故障進行檢測和定位，但這些方法存在對負載變化敏感、算法復雜度較大、診斷周期長等問題。
歸一化誤差電流數據分析法具有能夠精準且快速地識別故障開關的優點，為解決上述電流數據分析算法存在的問題，從簡化歸一化計算復雜度、劃分診斷變量兩方面對歸一化誤差電流數據分析法進行改進。但將其應用于PMSM驅動系統開路故障進行故障診斷時，該算法僅能定位至最終的故障IGBT，而在實際運行中，過電流燒毀、線路開路、驅動信號異常或丟失等原因都會最終導致并表現為變流器IGBT開路故障。
因此，僅依靠單一的改進歸一化誤差電流數據分析法無法追溯致使IGBT開路的源頭誘因及間接故障，且存在認知超載的問題。基于以上改進歸一化誤差電流數據分析法在追因溯源方面存在的不足，融合本體追溯的方法進行支撐。
近年來，本體技術及其在故障診斷中的應用研究發展迅速，李娟莉等將基于描述邏輯的本體故障知識表示方法以及運用貝葉斯網絡進行本體知識推理應用到提升機智能故障診斷方法中，并在工程中實際投入使用，驗證了該方法的可行性及準確性。
于德介、周安美等基于Java平臺開發了基于本體的風力發電機組故障智能診斷原型系統，將本體與風電故障診斷結合，但在本體知識模型的構建及推理效率的提高上還需要進一步研究；余磊等采用本體技術對裝備故障預測及健康管理系統（Prognostic and Health Management, PHM）進行知識化建模，將故障診斷、故障預測及維修案例作為PHM系統本體的子系統，解決了領域信息異構的問題。
與此同時，中國電力科學研究院、國家電網公司等正在進行政策部署、標準研制、產業化推廣等多因素的驅動下積極推行智慧電網知識圖譜的開發及落地。知識圖譜作為人工智能的重要組成部分，在將海量非結構化信息及大規模數據形成知識網絡方面有著無可比擬的優勢，而本體技術可以作為知識圖譜的模型基礎，能夠為概念模型進行規范性說明，在信息的結構化表示方面優勢明顯。
為解決PMSM系統故障診斷的復雜工程問題，湘潭大學自動化與電子信息學院的研究人員將PMSM驅動系統開路故障作為主要研究對象，提出基于本體追蹤的故障診斷方法。他們首先對PMSM故障診斷領域本體模型進行形式化定義及標準化構建，統一集成PMSM系統中密集的異構信息；其次，在改進歸一化誤差電流數據分析法能夠精準快速地定位故障開關管的基礎上，將定量分析所得故障特征及識別結果映射到故障領域本體模型中，擴展了故障診斷范圍；最后，經語義Web（SWRL）規則庫的預設以及基于規則的推理，融合本體技術進行故障誘因、故障類型等信息的追溯及診斷。
圖1 基于本體追蹤的智能故障診斷體系框架
研究人員指出，將改進歸一化誤差電流數據分析法嵌入到本體追蹤技術中，將定量分析與定性分析的優勢互補，在對故障開關精準定位的基礎上追因溯源，可有效診斷故障誘因及間接故障類型。兩種故障方法的有機結合而非簡單堆疊使得各自方法的優勢最大化，為系統內大規模結構化及非結構化領域信息進行標準化集成，將領域知識及案例經驗等非結構化信息與傳統診斷所必須的數據實現聯動，為PMSM系統故障診斷的智能化、標準化、信息化提供了新的思路。
圖2 PMSM系統故障領域本體模型部分展開圖
他們進一步表示，將定量診斷提取的故障特征用于之后的本體映射，使本體技術不再只依靠知識及規則進行推理，延長了故障診斷的生命周期，故障設備（IGBT開關管）由一般的診斷目標變為起始點；同時優化了診斷方向，將直接故障延伸至中間故障最終追溯到故障根本原因，加強了對不確定事件的靈活推理。另外，本體模型構建作為知識圖譜的前端設計，為PMSM系統知識圖譜的發展提供了標準化、易復用、結構清晰的領域基礎模型，彌補了知識圖譜構建過程中無法進行邏輯檢查及靈活推理缺失的不足。
據悉，面向合作風電企業的實際需求，課題組已將該方法應用到風力發電機定子繞組故障、PMSM驅動系統故障、變槳電機故障、主軸承故障等10多種風電機組故障中，構成包含領域知識和實踐技能的風電系統故障診斷知識圖譜。
研究人員最后指出，后續將研究如何將自主構建的風電系統故障診斷知識圖譜與更大平臺的知識圖譜并軌，最終實現與電力運檢知識信息管理圖譜、電力供應鏈圖譜及電網調度自動化系統圖譜等電網業務圖譜相匯集，遵循電力行業正在積極推行的智慧電網知識圖譜發展態勢。
本文編自2022年第13期《電工技術學報》，論文標題為“基于本體追蹤的永磁同步電機驅動系統開路故障診斷方法”。本課題得到湖南省自然科學基金的支持。
