大功率并网风电变流器状态监测技术机侧变流器低频运行对可靠性的影响

由于风电机组长时间、频繁和大范围的随机出力等特殊运行工况，变流器在风电并网运行中的可靠性变得较为脆弱。如图《风电机组变流器典型连接结构示意图》所示为部分功率及全功率风电机组的结构示意图。

为了分析不同运行工况对风电机组变流器功率模块运行可靠性的影响，近年来已有较多文献从功率模块电热祸合模型，结温估算以及不同变流器功率模块结温随风电机组不同运行点变化规律等方面开展研究。

对于双馈电机，在同步转速点，网侧变流器中IGBT及二极管的结温几乎无波动，而机侧IGBT和二极管的结温波动明显，这将导致机侧变流器失效率高于网侧变流器。究其原因，虽然机侧变流器和网侧变流器在同一时刻转换的电功率是相同的，但是当机组运行在同步转速点时，机侧变流器运行在一个较低的频率，变流器处理的实际功率几乎为零。根据定、转子电流磁动势平衡，转子电流并不为零，因此功率损耗也不为零，且功率模块的热容对于平滑结温波动几乎没有贡献，导致机侧变流器进入深度热循环。因此机侧变流器的结温波动要比网侧更为剧烈，其可靠性也随之明显降低。

对于直驭风电机组变流器而言，由于风力机叶尖速比有一定限制，其发电机转动角速度较小，使得全功率变流器的机侧变流器也运行在较低的频率。同时，从半导体器件的角度来看，其机侧功率模块的续流二极管承受了更大的负载电流，加之低频运行特性，使得续流二极管将产生更高的结温 。

此外，有研究表明，全功率变流器功率器件在整个变流器寿命周期内可能需要承受5-10次波动幅值为20℃的结温热循环，然而，包括风速随机波动在内的诸多因素可能进一步影响其功率循环能力。因此，不论是永磁直驭风电机组还是双馈风电机组的机侧变流器，由于长期处于较低输出频率下运行，其功率器件结温变化显著。特别是双馈风电机组运行在同步转速点时，其机侧变流器输出频率几乎为零，机侧变流器结温波动更为剧烈。

大功率并网风电变流器状态监测技术风速随机波动对变流器运行可靠性的影响

除了风电机组运行点对风电变流器结温变化影响外，风速随机波动也会影响风电变流器的运行可靠性。相比恒定风速的理想情况，在湍流风速下风电变流器功率模块具有较大结温波动，将影响其IGBT模块的功率循环能力。湍流强度会对机侧变流器IGBT模块的平均失效时间产生影响，且平均失效时间会随湍流强度的增大而减小。

由于机侧变流器长期处于低输出频率工况运行，其结温波动要比网侧更为剧烈，且风电变流器功率模块的平均失效时间还会随风速波动增加而降低。因此，风电变流器的运行可靠性而临着严峻的挑战，特别是针对近海风电机组难以维护的实际问题，有必要提出风电变流器状态监测方法的研究，提高其运行可靠性，这对于风力发电技术以及产业的健康发展至关重要。

大功率并网风电变流器状态监测技术变流器状态监测概述

状态监测是在不干扰系统正常运行的前提下，提取反映系统健康状况信息的一个过程。状态监测技术已经在电机驭动、发电以及电能传输等系统或部件的健康状况监测领域得到了广泛应用。然而对于电力电子器件，特别是半导体功率器件，早期人们认为器件只有失效和运行两种状态，这种大多数工程师所认可的布尔式观点阻碍了人们对电力电子器件完全失效前其老化机制的深层次理解，因此反映其健康程度的状态监测技术一直停滞不前。目前很多工程师和设计师常常优先选择压接封装技术以及含故障容错与内置冗余等的可靠性改进方法，而把状态监测作为一个备选项而忽略，这种做法不能实现系统的监控运行，也不具备早期检测和故障预警的能力。而实际上，风电变流器状态监测可通过对变流器装置的运行状态进行监测，进而判断器件及装置的健康水平，并对变流器功率模块所呈现的器件健康状况进行评估，为风机变流器的运行维护和状态检修提供依据，是监测和预防风电机组灾难性故障的重要手段之一。

工程实用的状态监测技术主要通过获取表征当前系统健康状态的特征信号，进而评估系统剩余寿命，以便在正常运行管理中提供有效的信息决策和优化检修。电力电子器件老化通常伴随着功率损耗的增加以及热量的累积，如果此时仍然保持之前的运行状态且老化进程未得到很好的抑制，那么其热疲劳应力将逐步增大。实验结果表明，功率器件的内部热阻增加20%可作为功率模块基木失效的依据之一。此外，还可从开关边沿、导通电压等电气特征量的改变来监测其随老化程度的动态改变。其中，导通电压表征了器件各层材料及层与层之间接口的物理特性;由于器件老化，内部热阻增加后，其结温的增加会导致关断卜降沿的变缓及功率损耗的增加。卜而对变流器状态监测特征量以及状态监测流程进行分析。

大功率并网风电变流器状态监测技术变流器状态监测特征量

针对变流器较为微弱的特征量，现有文献陆续提出了一些器件级的监测方法。然而，在一些高开关频率工况及复杂噪声环境卜，采用变流器功率模块内部的传感器仍然很难监测到这些微弱的特征量信号，因此，利用与器件级监测相同的传感器来保护、控制和进行常规监测为主的部件级状态监测方法也在不断发展中。

除电信号特征量之外，在运行过程中变流器功率模块温度监测值也可作为提取器件状态的重要特征量。虽然目前直接在线测量功率器件的结温仍然是不可行的，但是由于结温影响功率模块内部损耗，因此其表征运行状态的温度信号可从外部数据间接获得。此外，温度监测量不仅依赖风机当前的运行工况，还和其历史运行数据有关，而模块热阻的变化可以表征功率模块的老化程度。

大功率并网风电变流器状态监测技术风电变流器状态监测方法

目前风电变流器IGBT模块状态监测通常采用数据驭动和基于物理模型的方法。其中，数据驭动包含基于器件端部特性和基于传感器信号的状态监测方法。

基于器件端部特性状态监测技术的原理是由于IGBT的端部特性与其失效程度紧密相关，随着功率循环次数的增加，因热膨胀系数不匹配产生的热应力将会导致引线、焊层疲劳老化，其表现在端部特性的变化即是IGBT的通态压降逐渐增大。有文献在电热加载实验的基础上，研究了IGBT功率循环前后其栅极阀电压、跨导及通态压降随温度变化的特性，实验结果表明:栅极阀电压、跨导和导通压降这三个电参数可作为IGBT模块的状态监测特征参量。然而，由于功率器件端部信号变化微弱以及易受到其他可能因素(如温度变化)的影响，加之其不易于实现在线测量，因此，仅仅依赖于器件端部特性的IGBT模块状态监测方法在实际应用中仍然存在一定的困难。

考虑所捕获的特征量信号强度和部件老化程度之间的重要关联，有必要基于模型预测方法，通过一种刻度进程方式来表征模块失效前的剩余寿命，从而实现风电机组变流器更为准确的状态监测。例如将变流器状态监测和风机/风电场级SCADA系统有机结合起来，为风电变流器IGBT模块状态监测提供了一种新思路。此外，将依赖状态监测特征量的模型方法和对特征数据趋势进行评估的数据驭动方法结合起来，可以进一步提高功率模块的健康状况评估有效性 。

近年来，随着陆上风电机组的迅猛发展及海上风电的大量装机，风电将逐步成为继火电、水电之后的第三大常规能源。大功率并网风电机组(简称“风电机组”)变流器是风力发电中能量转换的重要环节，然而风电机组长时间、频繁和大范围的随机出力变化，导致其电能转换单元持续承受剧烈的热应力冲击，是风电机组故障率最高的部件之一。其高运维成木问题日益凸显，已引起Vestas ，Siemens等国际风电知名企业的广泛关注。特别是5MW, 6MW等大功率风电机组相继运行，其变流器运行可靠性问题可能更为突出。发展变流器状态监测技术，对于制定和优化变流器检修计划、降低风电机组变流器故障率、提高风电机组的运行可靠性都具有十分重要的学术意义和工程价值。

为了提高电力电子功率模块的设计可靠性，现有研究主要从改变模块设计以及老化测试等方而采取了相关措施，如改变模块的封装结构、振动冲击和功率循环等。虽然以状态监测为基础的故障诊断与状态检修技术已经广泛应用于各类电气设备(如旋转电机、电力变压器等)，但是国内外关于风电变流器状态监测技术研究才刚刚起步。如国外学者从器件失效机理及运行可靠性出发，提出了多种不同的变流器状态监测方法。有研究建立了基于集总参数法的变流器功率模块结温计算模型。有文献对比分析了IGBT模块的多种失效模式和失效机理，并研究了功率器件集射极饱和压降与集电极电流、器件结温之间的关系，利用电参数的温敏特性实现对变流器功率模块的状态监测。虽然上述研究都从不同的角度提及了风电变流器的可靠性评估方法以及运维现状，但是考虑到风电机组不同运行工况对变流器可靠性影响的机理分析及其状态监测方法比较还不够深入。

在当前风力发电迅猛发展的大背景下，针对风力发电而临的变流器可靠性困境，综述了变流器功率器件失效形式及机理，并且针对风电运行特点，重点分析全功率和部分功率风电变流器特殊运行工况对其运行可靠性的影响;同时基于不同状态特征量的对比分析，进一步探讨风电变流器状态监测方法及其发展趋势 。

大功率并网风电变流器状态监测技术老化失效形式及机理

在风电机组的背靠背变流器拓扑结构中，不论是陆上风机或者海上风机，双馈风电机组还是永磁直驭风电机组，由于其机侧变流器都可能长期运行于较低的频率，此时器件结温波动较为显著，严重影响着其功率模块的功率循环能力，给风电机组的可靠运行带来了不可忽视的安全隐患。

如图《风电变流器模块的功率器件结构及材料属性》为目前广泛应用于风力发电变流器的塑封型功率模块剖而图，从图中可以看到其由多种不同热膨胀系数(Coefficient of Thermal Expansion，CTE)的材料组成。在热循环过程中，由于热膨胀系数CTE的不匹配必将导致其疲劳应力增加，从而引起其焊层破裂和焊料层空洞，进而影响到各材料层之间的电气连接，使得沿热传导路径的热阻增加。在整个寿命周期，功率半导体器件的结温水平呈递增趋势，最终导致器件老化失效。

变流器IGBT模块的失效机理主要包括铝键合线脱落、焊层疲劳、键合线根部断裂和铝金属化的重构。其中，金属化的重构现象可由功率模块功率循环后观察到，由于铝与硅芯片热膨胀系数的差异，经过反复的温度循环冲击，它们之间的热机械应力会使得铝金属化而形成颗粒状的粗糙接触而，减小了金属有效接触而积，从而导致其电阻增大 。铝键合线脱落会削弱功率模块的导电性能，焊层疲劳会引起导热性能的下降 。另外，铝键根部断裂现象通常也可在经过长时间功率循环测试的IGBT模块中观察到。导致该失效的主要原因是在焊接过程中，由于超声波振动导致铝键合引线根部产生裂缝，且与铝键合引线脱落相比，其断裂过程更慢。采用新一代的压接式封装技术可避免或者减少使用铝键合线和焊层，有研究表明，IGBT模块的压接式封装结构至少可以减小一个数量级的疲劳寿命损。

此外，该技术也可以把金属基板直接压在半导体芯片上，这种结构无需连接传统的散热器，并可以同时传导热能和电能。与塑封IGBT相比，采用压接式IGBT模块不仅可以通过两侧散热提高功率密度，而且去除了键合引线及焊层连接的结构方式，因此消除了键合引线脱落、断裂或焊料层疲劳的失效模式，器件的可靠性显著提高。然而，这种新的封装形式也带来了和其结构相关的新的失效形式。压接式IGBT的每个栅极通过装有弹簧的引线连接，弹簧在功率循环的过程中受到反复的压缩/膨胀而产生疲劳，引起弹簧应力损伤，经过一定的循环次数，最终也会老化失效，影响风力发电变流器的运行可靠性。

除热应力外，当器件在超过额定电压或电流工作时，有可能产生过电应力而造成器件损坏。在过电应力作用下，器件局部将会过热，在该热点温度达到材料熔点时，材料开始熔化并导致开路或短路故障，从而损毁器件。过电应力可分为过电压应力和过电流应力，过电压包括栅极过电压、集电极-发射极过电压及杂散电感过电压等，过电流包含擎住效应及短路现象等 。

大功率并网风电变流器状态监测技术疲劳寿命评估方法分析

针对风电变流器可靠性低、维护成木高的严峻现实，如何评估其功率模块的剩余寿命是进行状态检修和运行维护的关键。目前已有一些研究提出了用以描述功率模块老化进程的寿命模型，如LESIT项目利用不同制造商的IGBT模块，通过功率循环实验，发现器件的失效主要与结温平均值,及其波动幅值有关。

风力发电在未来能源结构中占有重要地位，其变流器状态监测技术对于提高风电机组运行可靠性，降低运行成木具有重要作用。针对目前风电机组变流器运行可靠性低的问题，从功率器件老化失效机制、疲劳寿命评估方法、风电机组特殊运行工况对变流器运行可靠性影响以及变流器状态监测方法等角度分析了风电变流器状态监测技术发展。分析表明：

1)风电机组变流器运行可靠性受一次能源波动影响大，可靠性低。功率模块结温均值、波动幅值以及不同材料热膨胀系数的不匹配是导致功率器件老化与失效的重要原因，建议采取基于非线性疲劳累积理论对其疲劳寿命进行评估。

2)无论是永磁直驭风电机组还是双馈风电机组，因长期处于低输出频率下运行，其机侧变流器的结温波动要比网侧更为剧烈，且风电变流器功率模块的平均失效时间还会随风速波动增加而降低。

3)风电机组运行工况对其变流器运行可靠性有重要影响，相比于数据驭动方法，基于失效机理分析并结合寿命模型和趋势预测方法将是风电变流器状态监测技术的发展趋势，且有必要考虑其状态特征量随运行工况和老化程度变化的影响。2100433B

随着大功率风电机组安装与并网运行，对其运行可靠性将提出更高的要求，必将促进风电机组状态监测与故障诊断技术进一步发展。风电机组整机状态评估和故障预测方法以及其关键部件故障诊断的研究现状进行综述，综合分析了现有的风电机组状态监测与故障诊断技术研究现状和存在的不足，提出以下研究要点及趋势。

（1） 对于地处偏远、交通不便的陆地风电机组和受复杂运行环境约束的海上风电机组往往存在故障诊断难、维修时间长等问题。通过对风电机组故障统计情况分析可知，除了对导致停机时间长的机械系统等部件关注的同时，还应对故障频率高的电气部件引起高度重视，如变流器、变桨系统等，对电气系统的在线监测和故障诊断技术研究可能是今后的发展趋势之一。

（2） 受随机风速大小和风向随机变化影响，风电机组SCADA 等监测信息呈现出频繁的波动性和不确定性，基于数据挖掘的整机综合状态评估和故障预测可能是今后的研究趋势。如，应用数据挖掘技术，考虑原始运行数据波动性和间歇性，探索基于监测数据的风电机组整机运行状态渐变规律的新方法，制定出整机长期和短期状态趋势变化的定量指标。

另外，还可以考虑监测数据不同时间尺度固有特点，研究基于数据驱动方法的整机故障预测方法，获取整机的在线运行状态和剩余运行时间。

（3） 从风电机组关键部件的故障诊断研究现状分析情况可知，现有的方法各有优缺点和局限性，如何准确地从监测数据中提取故障特征以提高故障诊断的精确度，研究多类故障诊断技术将可能是今后的研究热点。近期可能的研究趋势如下。

① 基于电气特征量的关键部件状态监测和故障诊断研究。风电机组是一个机电耦合较强系统，任何机械和电气故障势必会在电气特征量中有所反映，如当齿轮箱齿轮、各部件的轴承损坏，发电机定子和转子的匝间短路和相间短路等故障发生时，会不同程度地引起发电机转轴振动，进一步改变气隙分布情况，进而将故障特征信息叠加在定子和转子的电气特征量上。如何基于电气特征量，寻求各类故障的机理和演化规律，特别是揭示异常的根源，实现有效故障诊断需进一步深入研究。

② 多参数信息融合的关键部件状态监测和故障诊断研究。目前，单一参数信息含量有限或者故障特征提取较难，很难准确反映关键部件的异常状态，特别是早期的潜在故障。

可考虑充分利用多类型参数信息，依据某种方法实现时空冗余和互补信息融合，获取更为准确关键部件状态监测和故障诊断结果，如行星轮的通过效应或行星架和太阳轮的旋转对啮合振动产生额外的调幅作用，导致横向振动信号的频谱结构非常复杂，需借助于复杂的故障特征提取方法实现对故障频率的提取，而扭转振动信号不受这些额外的调幅效应影响，使得频谱结构更加简单，但是扭振振动信号还可能受测量误差和噪声干扰等影响，提取的故障特征准确性会受到影响。

然而，对这2 类特征量的监测信息，采用基于信息融合的故障特征提取方法，可能会获得更准确的故障诊断结果。

③ 基于老化失效过程的关键部件状态评估和故障预测研究。受随机风速大小和风向随机变化影响，电气系统老化失效过程存在不确定性和难预测性，有必要开展基于老化失效过程的电气部件状态评估和故障预测研究，如探索关键部件在运行过程的不同阶段的磨损、老化和失效过程的一般规律，研究关键部件状态评估和故障预测方法，如变流器功率器件作为整个系统中故障发生率高且较为脆弱的部件之一，在掌握其不同运行阶段的磨损、老化和失效过程的一般规律基础上，考虑变流器功率器件的应力分布、疲劳积累，以及在非平稳工况导致的功率器件结温大幅度波动等因素，从状态监测角度研究出适合功率器件在线状态评估、运行可靠性以及故障预测建模的新方法。 2100433B

风电机组一般要求服役20 a，风电运营商或者电网调度部门更多关心的是整机安全性、运行可靠性、发电能力、运行状态变化趋势及服役剩余时间等指标，因此，有必要开展整机的综合状态监测方法研究。目前，关于整机的状态方法研究大多是在风电机组数据采集与监视控制（SCADA）系统的运行数据基础上开展，其故障预测3 个方向分别进行综述。

1、基于统计分析的风电机组综合状态监测与评估利用统计分析方法，通过分析大量的风电机组状态监测的各类特征量（功率、风速、转速、温度、振动等）离线运行数据，提取某些有规律的指标，与出厂设计标准值进行对比，或通过多个机组之间的比较，达到对风电机组整机状态监测的目的。

目前，对功率运行数据进行统计分析研究较多，例如2 台1.5 MW 风电机组功率曲线如图2 所示，它是通过获取反映机组运行性能的实测风速、功率等数据，采用Bin 方法对数据进行统计处理后获得2 台机组的功率曲线。通过2 台机组的功率曲线、风能利用曲线及其标准差值，对机组的运行性能进行了对比分析和评估。图2（b）所示机组2 的实际功率曲线在低于额定风速以下区间内要比图2（a）机组1 的低一些，而且在高于额定风速时，有部分Bin 区间内功率的标准差偏大，运行状态不太稳定。

上述研究是通过对功率信息进行统计分析来实现整机的状态监测，能否采用其他特征量的统计结果来更好地表征整个风电机组的运行状态，值得深入探索研究。

2、基于多参数融合的风电机组综合状态监测与评估

在该研究方向，大多数研究是在风电SCADA 系统运行数据基础上进行开展的。风电机组SCADA 系统中包括的物理特征量有：角度、压力、温度、速度、机舱振动、电气等，通过分析这些运行数据，可以反映整机的运行状态。

目前，关于风电机组多参数融合的状态监测和评估方法，包括人工神经网络、高斯混合模型参数估计、物元分析、模糊综合评判等。

3、风电机组的故障预测方法

故障预测是指根据系统现在或历史性能状态预测性地诊断部件或系统完成其功能的状态（未来的健康状态），包括确定部件或者系统的剩余寿命或正常工作时间。

故障预测的3 种方法为：基于模型的方法、基于统计可靠性的方法和基于数据驱动的方法。目前，基于模型的风电机组故障预测研究方向比较鲜见，而另外2 个研究方向已出现在相关文献中。

a. 基于统计可靠性的风电机组故障预测研究。

目前，关于已出质保期或服役了较长时间的风电机组，其运行性能下降和各部件劣化度增加，导致可靠度不断降低和平均故障间隔时间MTBF（Mean TimeBetween Failures）逐渐缩短，对于上述方面的故障预测研究比较少见。而对试运行期间风电机组MTBF的预测已有少量文献报道，一般是在假设风电机组可靠性服从某种分布（如Weibull、非齐次泊松等分布）的基础上开展研究。

b. 基于数据驱动的风电机组故障预测研究。

在该部分的研究多集中利用SCADA 数据对风电机组关键部件（如齿轮箱、发电机、主轴等）开展故障预测研究，现有的故障预测方法有支持向量机、ARMA 方法、多元线性回归方法、人工神经网络等方法。

大多数研究的基本思路是通过残差趋势分布来实现故障预测，如图4 所示的故障预测框架，将SCADA 的监测数据作为预测模型的输入，通过所建立如人工神经网络或支持向量机的预测模型获得预测值，进而将实际监测值与预测值结合求取残差，结合利用事先通过专家经验或正态分布等方法确定的残差阈值，通过检测是否超过阈值或通过残差趋势分析实现对故障预测。

近年来，风能在世界能源结构中地位越来越突出，风电将逐步成为火电、水电之后的第三大常规能源。随着我国大型海上风电建设规划相继启动和现运行的大部分风电机组质保期逐渐超出或邻近超出，高故障发生率和高运维成本的现状越来越引起风电运营商、制造商和第三方运维公司等机构的关注。

相比陆地风电机组，海上风电机组将面临更恶劣的运行环境和更高的运行维护成本。据统计，海上风电机组的维护成本至少为陆上风电机组的2 倍，运维成本高达经济收入的30%~35%，其中约25%~35%为定期维护费用，65%~75%为事后维修费用。随着单机容量不断增加，大功率风电机组的复杂性程度增加，将会面临更高的故障率和运维费用。为了降低故障率和减少维修费用，开展风电机组的状态监测和故障诊断研究，对及时掌握风电机组运行状态，及早发现潜在故障征兆，降低故障率，减少运维成本，从而保证风电机组安全高效发电运行有着重要学术研究意义和工程应用价值。

鉴于风电机组对状态监测和故障诊断的急迫需求，国内外相继出台了标准规范，如2009 年欧盟推出了关于《风力机及其部件的机械振动测试与评估标准VDI3834》；2011 年国家能源总局提出《风力发电机组振动状态监测导则》。

上述标准主要是针对风电机组关键部件的振动特征量制定的规范要求，对于实现全面的风电机组状态监测和故障诊断的要求还远远不够。与传统火电、水电机组相比，风电机组在高空运行，是多部件协同工作的复杂系统，监测特征量类型多、数量大，受风速大小和风向的不确定性以及变速恒频发电控制的约束，运行状态通常在不同工况之间随机频繁切换，各类特征量随机波动范围较宽，利用单一或几个特征量采用传统状态监测和故障诊断方法，难以得到风电机组真实的运行状态和实现准确故障定位。基于上述风电机组特殊性，有必要了解风电机组状态监测和故障诊断领域研究现状，综述该领域的研究方法和成果，进一步促进该领域研究的开展。

目前，风电机组状态监测和故障诊断领域的研究处于起步阶段，已有的研究成果中，对于整机的研究侧重于状态评估和故障预测，对于机组的关键部件研究侧重于故障诊断。本文首先介绍风电机组的运行环境及其故障统计情况；其次，对整机状态评估和故障预测研究现状，从统计分析、多参数融合和故障预测角度进行综述；再次，重点介绍和评述风电机组关键部件故障诊断方法的研究现状；最后，结合当前研究现状和存在的问题，指出风电机组状态监测与故障诊断技术的发展趋势。