如何辨识风力发电机组内部短路故障？基于GWKNN算法的辨识系统有何优势？1前言短路故障是风力发电机组易发生的故障类型，其中内部短路故障造成的破坏最为严重，故提出基于GWKNN算法设计的一款机组内部短路故障辨识系统。
2风力发电机组内部短路故障辨识系统硬件设计由电源模块、显示模块、通信模块、控制模块、采集模块、存储模块搭建系统硬件架构，以此为后续风力发电机组内部短路故障辨识算法的设计与实现奠定坚实的基础。
控制模块要考虑到计算精度、速度、系统功耗等方面的因素，以实现机组内部工况数据采集、信号处理、故障分析及系统控制等功能的独立执行。
采集模块要采用32通道12位的AD2014-ICJ采样器、6222S-100A型加速度传感器、AS-TE型温度传感器等组件，采集机组各设备信号，该模块与控制模块的并行连接接口为EMIO接口。
电源模则是作为系统各个元件的电力提供源，该模块选用TPS6735IDR芯片为控制模块提供内核正常工作电压1.5V。
存储模块采用基恩士研发的KV-M128C型号多媒体卡，能够保证数据存储的安全性和可靠性。
通信模块则分为有线与无线2种通信模式，有线通信采用TL16C451异步通信元件，无线通信采用型号为CC2540-F256RHAR的无线射频收发器，有效应对机组恶劣、偏远的工作环境，确保数据传输的可靠性。
再软件设计方面采用GWKNN算法获取内部短路故障特征值的异常搜索因子以及特征模式，从而实现风力发电机组内部短路故障辨识算法设计。
3机组内部短路故障辨识系统测试在研究对象的监测计算机中加入机组内部短路故障辨识系统并运行，得到系统各模块功能的实现结果。
由结果可知，系统的主要模块功能均达到预期设计目标，控制模块通过采用高性能32位浮点数字信号处理器，有效实现了机组内部工况数据采集、信号处理、故障分析及系统控制等功能的独立执行。
采集模块通过使用AD2014-ICJ采样器与多个传感器，准确采集到机组各设备的信号；电源模块分别选用了TPS6735IDR芯片与XRP7714ILB-F芯片，确保了准确供电。
存储模块将KV-M128C型号多媒体卡作为机组工况数据的可移动储存容器；通信模块分别采用TL16C451异步通信元件与CC2540F256RHAR无线射频收发器，保证了数据的可靠传输。
不同短路故障下，目标机组单位时间运行过程中各相上的实际输出与期望输出不同。
由数据可知，所建系统采用32通道12位的AD2014-ICJ采样器、6222S-100A型加速度传感器、AS-TE型温度传感器等组件，为基于GWKNN算法的短路故障辨识提供了可靠数据，准确辨识出风力发电机组内部的短路故障信号。
期望输出与实际输出出现最大差值的故障为AB两相短路，仅0.0328A；出现最小差值的故障为AC两相短路接地，仅0.0011A。
利用所建系统在目标机组中运行一段时间，得到10种不同短路故障类型的辨识结果，若运行过程中，故障类型始终辨识正确，则标记为“√”；若出现一次错误辨识，则标记为“×”。
由数据的辨识结果可以看出，该系统凭借VisualBasic语言强大的独立性与灵活性，充分发挥了数据通用化环境的优势，打破了信号辨识时的局限性，准确辨识出不同的短路故障。
由于AB两相短路与AB两相短路接地的故障信号极为相似，故所建系统混淆了这2种短路故障。
其中，将AB两相短路故障错误辨识为AB两相短路接地故障3次，反相错误辨识4次，但总体该系统的短路故障类型辨识准确度较高，具备较大的推广潜力。
本实验环节从辨识时间入手，检验系统是否具备较高的故障辨识效率，得出单位运行时间内各个短路故障的平均辨识时间。
由时间数据可知，系统所采用的基于GWKNN算法的短路故障辨识算法对10种短路故障的平均辨识时间仅需3.99s，AC两相短路接地故障的辨识时间最长，但也只花费了5.06s，说明该系统的短路故障辨识效率较高，能够满足实际应用中的时效需求。
4结语通过总结各地机组运行工况发现，即使是机组内部的微小故障，也有可能引发严重的电力事故，给企业带来巨大的经济损失。
故构建出内部短路故障辨识系统来加强机组安全屏障，并为故障后续维修提供依据是非常必要的，今后仍将以此为目标，从其他方面做进一步探讨。
参考文献[1]张利慧，李晓波，俎海东，等.风力发电机组滚动轴承故障振动诊断方法综述[J].内蒙古电力技术，2022，40（3）.[2]魏书荣，缪舒馨，刘宁，等.考虑运行维护需求的海上风能与波浪能联合发电非同期规划[J].电力系统自动化，2021，45（21）.[3]刘军，安柏任，张维博，等.大型风力发电机组健康状态评价综述[J].电力系统保护与控制，2023，51（1）：176-187.
