Detección de Fallas de un Aerogenerador Basado en un PMSG

Resumen: En este trabajo se realizó la detección de fallas de estator de un generador síncrono de imanes permanente (PMSG, por sus siglas en inglés) trifásico de un aerogenerador para aplicaciones pequeñas en generación distribuida. La detección de fallas se efectuó a través de la transformada rápida de Fourier (FFT, por sus siglas en inglés) y de la transformada wavelet discreta (TWD) aplicadas al módulo del vector de Park de las corrientes de estator. Se desarrolló un banco de pruebas donde las aspas del aerogenerador encargadas de captar la energía del viento se sustituyeron por un motor de CD controlado por un sistema electrónico de potencia, el cual permite al motor imitar la acción del viento. El banco de pruebas incluye la instrumentación para la adquisición de las señales de corriente del estator, a partir de las señales de corriente adquiridas se determinó el módulo del vector de Park, el cual se analizó con la FFT y la TWD con diversas wavelets. Así se obtuvieron las firmas de falla por medio de las componentes de frecuencia con la FFT y a través del cálculo del valor RMS de las muestras de la señal transformada en diferentes bandas de frecuencia con la TWD.

¿Cómo citar?

Raúl A. Ortiz-Medina, Francisco J. Villalobos-Piña, Ricardo Alvarez-Salas, Mario Esparza-González, Carlos H. Saucedo-Zarate & Víctor A. Maldonado-Ruelas. Detección de Fallas de un Aerogenerador Basado en un PMSG. Memorias del Congreso Nacional de Control Automático, pp. 477-482, 2018.

Palabras clave

Detección de fallas, Aerogenerador, Vector de Park, FFT, TDW

• Abad G., López J., Rodríguez M. A., Marroyo L., Iwanski G. (2011). Doubly Fed Induction Machine, Modelling and Control for Wind Energy Generation, IEEE Press.
• Amirat Y., Benbouzid M. E. H., Al-Ahmar E., Bensaker B., Turri S. (2009). A Brief Status on Condition Monitoring and Fault Diagnosis in Wind Energy Conversion Systems, Renewable and Sustainable Energy Reviews, vol. 13, pp. 2629-2636
• Benbouzid M. E. H. and Kliman G. B. (2003). What stator current processing-based technique to use for induction motor rotor faults diagnosis?, IEEE Transactions on Energy Conversion, vol. 18, no. 2, pp. 238-244.
• British Petroleum (2017). BP Statistical Review of World Energy, 66th edition.
• Cai H., Sun Q., Wood D. (2016). Condition monitoring and fault diagnosis of small permanent magnet generator, Wind engineering, Vol. 40(3), pp. 270-282.
• Craciunescu A., Ciumbulea G., Media M. (2012). Phasemodulus diagram of instantaneous current’s space phasor as diagnosis tool of induction motor’s stator windings, International conference of renewable energies and power quality, Santiago de Compostela, España.
• Daneshi-Far Z., Capolino G. A. and Henao H. (2010). Review of failures and condition monitoring in wind turbine generators, XIX International Conference on Electrical Machines (ICEM), Rome, Italy, pp. 1-6,
• Global Wind Energy Council (2017). Global Wind Report – Annual Market Update 2017.
• Grainger J. J. y Stevenson Jr W. D. (1996). Análisis de sistemas eléctricos de potencia, McGraw Hill.
• Grieser B., Sunak Y. and Madlener R., (2015), Economics of small wind turbines in urban settings: An empirical investigation for Germany, Renewable Energy, vol. 78, issue C, pp. 334-350.
• Gritli Y., Bellini A., Rossi C., Casadei D., Filippetti F. and Capolino G. A. (2017). Condition monitoring of mechanical faults in induction machines from electrical signatures: Review of different techniques, 11th IEEE International Symposium on Diagnostics for Electrical Machines, Power Electronics and Drives (SDEMPED), Tinos, Greece, pp. 77-84.
• Hosseinzadeh M. and Salmasi F. R. (2016). Fault-Tolerant Supervisory Controller for a Hybrid AC/DC Micro-Grid, in IEEE Transactions on Smart Grid.
• Hyers R. W., Mcgowan J. G., Sullivan K. L., Manwell J. F. & Syrett B. C. (2013), Condition monitoring and prognosis of utility scale wind turbines, Energy Materials, Vol. 1:3, pp. 187-203.
• Ko Y. J., Lee K. B., Lee D. C., Kim J. M. (2012). Fault diagnosis of three parallel voltage source converter for a high-power wind turbine, IET Power Electronics, vol. 5, no. 7, pp. 1058–1067.
• Lu B., Li Y., Wu X. and Yang Z. (2009). A review of recent advances in wind turbine condition monitoring and fault diagnosis, IEEE Power Electronics and Machines in Wind Applications (PEMWA), Lincoln, NE, pp. 1-7.
• Lubitz W. D. (2014). Impact of ambient turbulence on performance of a small wind turbine, Renewable Energy, vol. 61, pp. 69-73.
• Maldonado-Ruelas V. A., Villalobos-Piña F. J., Sosa-Serna G. A., Alvarez-Salas R., Pazos-Flores F. and AlvarezSalas J. A. (2016). In-wheel brushless DC motor test-bed for control and fault detection, IEEE International Autumn Meeting on Power, Electronics and Computing (ROPEC), Ixtapa, Mexico, pp. 1-5.
• Milanez D. L. and Emanuel A. E. (2003). The instantaneousspace-phasor: a powerful diagnosis tool, IEEE Transactions on Instrumentation and Measurement, vol. 52, no. 1, pp. 143-148.
• Peeters C., Guillaume P., Helsen J., (2018,) Vibration-based bearing fault detection for operations and maintenance cost reduction in wind energy, Renewable Energy, Volume 116, Part B, Pages 74-87
• Ribrant J. and Bertling L. (2007). Survey of failures in wind power systems with focus on Swedish wind power plants during 1997-2005, IEEE Power Engineering Society General Meeting, Tampa, FL, pp. 1-8.
• Shahriar M. R., Borghesani P., Ledwich G., Tan A. C.C., (2018) Performance analysis of electrical signature analysis-based diagnostics using an electromechanical model of wind turbine, Renewable Energy, Volume 116, Part B, Pages 15-41
• Tummala A., Kishore R., Dipankur V., Sinha K., Indraja V., Krishna V. H. (2016). A review on small scale wind turbines, Renewable and Sustainable Energy Reviews, Volume 56, Pages 1351-1371
• Walker J. S., (2008) A primer o wavelets and their scientific applications, Second edition, Chapman & Hall/CRC.
• Weeks M., (2007) Digital signal processing using MATLAB and wavelets, Infinity Science Press.