Stator Fault Classifier in a Doubly-Fed Induction Genera-tor DFIG

Clasificador de fallos en el estator del Generador de Inducción de Doble Alimentación DFIG

Fault detection is one of the most common studies on wind turbines. In this case, the doubly fed induction generator (DFIG) is specifically analyzed. The fault cases analyzed are: inter-turn short circuit and open circuit, in addition to normal operating conditions. The K-means algorithm was used for analysis and classification. The data set is obtained from multiple simulations in MATLAB/Simulink, in which the stator resistance (Rs) and stator inductance (Ls) were varied. From these simulations, the current and voltage signals are processed using tools such as the Park transform, stator current imbalance, and harmonic analysis to obtain relevant characteristics for the classification of each case. It is known that Rs is a determining parameter in fault detection: in a short circuit, Rs tends to fall below its nominal value due to the appearance of a low-impedance path, while in an open circuit, Rs tends to rise above the nominal value due to the interruption of the conductor. The results obtained indicate that the K-means algorithm, together with the proposed methodology, are efficient in classifying the different stator states. This suggests that the proposed solution, based on the results, could be effective and economical for wind turbine monitoring.

Este estudio se enfoca en la detección y clasificación de fallas en aerogeneradores, en este caso particular, para un generador inducción de doble alimentación (DFIG).  Los casos analizados son: cortocircuito entre espiras y circuito abierto, además del estado de operación normal. Para el análisis y la clasificación, se empleó el algoritmo K-means. El conjunto de datos se obtiene a partir de múltiples simulaciones en MATLAB/Simulink, en las cuales se varió la resistencia del estator (Rs) y la inductancia del estator (Ls). A partir de estas simulaciones se procesan las señales de corriente y tensión, usando herramientas tales como la transformada de Park, el desbalance de corrientes en el estator y el análisis armónico, para obtener características relevantes en la clasificación de cada caso. Se conoce que el Rs es un parámetro determinante en la detección de fallas: en un cortocircuito, Rs tiende a caer por debajo de su valor nominal por la aparición de un camino de baja impedancia, mientras que, en circuito abierto, Rs tiende a subir sobre el valor nominal por la interrupción del conductor. Los resultados obtenidos indican que el algoritmo K-means junto con la metodología planteada son eficientes para clasificar los diferentes estados del estator. Esto sugiere que la solución propuesta, a partir de los resultados, podría ser efectiva y económica para la supervisión de aerogeneradores.