第61卷第8期Vol.61No.82023年8月August2023农业装备与车辆工程AGRICULTURALEQUIPMENT&VEHICLEENGINEERING0引言据全球风能理事会（GlobalWindEnergyCouncil，GWEC）发布的分析报告显示，风电总装机规模已增长到8.37亿kW，据估计全球未来10年内将以当前的3倍速度安装和发展风力发电设施[1]。该报告表明风电将成为世界各国实现能源生产清洁化的关键途径之一[2]。风能作为近年发展最快的能源类型，具有很强的竞争力和经济效益。双馈风力发电机（Doubly-FedInductionGenerator，DFIG）凭借其转速灵敏、功率变换双向、变频控制灵活等特点广泛应用于风电事业[3]。风力发电机组是一个涉及空气动力、机械、电子、电气、控制等诸多技术领域的复杂能量转换系统[4]。由于直流串联故障电弧doi:10.3969/j.issn.1673-3142.2023.08.010基于GRU-CNN的双馈风力发电机电刷滑环电弧故障诊断张博文1，莫英东1，王晗钰1，袁帅1,2(1.200093上海市上海理工大学机械工程学院;2.230601安徽省合肥市高节能电机及控制技术国家地方联合工程实验室)[摘要]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。[关键词]双馈风力发电机；电刷滑环；门控循环单元-卷积神经网络；故障诊断[中图分类号]TP183[文献标志码]B[文章编号]1673-3142(2023)08-0045-06引用格式：张博文，莫英东，王晗钰，等.基于GRU-CNN的双馈风力发电机电刷滑环电弧故障诊断[J].农业装备与车辆工程,2023,61(8):45-50.Faultdiagnosisofdoubly-fedinductiongeneratorbrushringbasedonGRU-CNNZHANGBowen1,MOYingdong1,WANGHanyu1,YUANShuai1,...
