基于GRU-CNN的双馈风力发电机电刷滑环电弧故障诊断

电刷滑环系统是双馈风力发电机(DFIG)励磁系统的重要组成部分,由于DFIG的电刷滑环故障频发,加之现场缺少可检修条件,严重时因此造成的单机停机故障可令整个电场运行面临瘫痪.电弧故障严重影响电力设备的稳定运行,故障电弧发生时电流一般较小,其有效值达不到电流保护装置的整定值,而在某些负载工况下,正常工作状态的电流与串联电弧故障电流波形特征非常相似,导致串联电弧难以识别.针对串联电弧故障的识别难点,提出一种基于门控循环单元模型-卷积神经网络(GRU-CNN)的DFIG电刷滑环故障电弧检测模型.首先,分析了DFIG中故障电弧的成因;然后以电流、电压和磁环3种信号作为输入特征值,滤波后构建基于GRU-CNN的故障电弧检测模型;最后搭建滑环装置诊断实验平台,用相同的实验数据和层数训练GRU、CNN和GRU-CNN网络.结果表明,基于GRU-CNN的故障电弧检测模型的精确率和召回率均保持在99%以上,具有较强的工程实践意义.