基于小波降噪和BP神经网络的风力发电机组齿轮箱故障诊断研究

针对风电机组齿轮箱故障频发这一现象,为改善设备性能,提高其利用率,采用基于小波降噪和BP神经网络相融合进行风电机组齿轮箱故障诊断与研究的方案.首先利用小波对采样数据降噪,然后输入小波神经网络中进行诊断,以准确地识别齿轮箱中常见的故障,结果表明该方案具有可行性.并结合风电场应用实例,证明了方案的可行性,为提高风力发电机组齿轮箱的稳定性提供了一种有效方法.     

双馈风力发电机组仿真装置研究

以某风电场2 MW风力发电机组为仿真对象,对风力发电机进行结构分析,并采用模块化建模方法分别建立风速模型、风机模型、传动模型、电机模型和控制模型,给出了相应的数学模型.在南京工程学院JSCC仿真支撑系统下,用Fortran语言编写了仿真算法并建立全范围风力发电机组仿真模型.根据该风电场典型工况进行模拟计算,模拟风速从8 m/s至20 m/s变化时风电机组系统的变化动态特性,模拟结果表明所建立仿真模型能够反应实际机组的动态特性,系统能够满足风电场运行人员培训及风电系统优化等要求.     

风电场的机组选型与场址选址工作探讨

风电场风力发电机组选型及风电场选址是风电场设计的重点,它将直接影响风电场建成后的经济效益。结合国内风电厂建设特点,对风电厂开发、建设过程中厂址选择和机组选型进行了分析。     

基于小波变换的风电机组传动系统故障诊断与分析

随着人类对能源的大量需求,电力行业飞速发展,风力发电以其投资成本低,机组结构简单,绿色环保,已经逐渐成为清洁能源的发展趋势,而风电场建成后的运行维护成本直接决定着风电场的效益,因此,对风电机组的典型故障进行分析,建好机组健康管理档案就显得非常重要.在对风电机组传动系统的组成和各部分的功能及风电机组的主要传动部件的故障机理及故障类型分析的基础上,以某风电场实际发生的弹性支承螺栓断裂及联轴器损坏故障为研究对象,应用小波变换进行故障的诊断和定位,分析故障产生的成因、发展过程及趋势.以新西兰况得实公司的风电机组振动检测仪器及自带分析软件对小波变换分析结果进行了验证,结果与实际状况非常吻合.据此提出了今后避免此类故障发生的预防措施和改进方法,以期为今后风电场的运营维护提供可靠的技术支持.     

双馈风电机组总体控制策略及运行性能

为了全面准确分析并网风力发电机组实时运行特性,有必要对风电机组总体控制策略及其运行性能进行研究。针对双馈风力发电机组类型,建立了风力机、传动链和双馈发电机的数学模型。从风能最大利用和风机安全运行角度,提出了考虑电机损耗最小的风电机组最大功率输出控制策略,以及考虑转速和功率限制的变桨控制策略。结合双馈发电机功率解耦控制策略对风电机组的总体运行性能进行了仿真。通过仿真、理论分析以及实际风电机组运行数据的比较,结果表明所建立的双馈风电机组数学模型和总体控制策略是有效的。     

风电场风力发电机组火灾预防分析

我国幅员辽阔,具有丰富的风能资源,随着经济和社会的不断发展,能源问题成为制约人类发展的关键问题。这种情况下,风能成为一种重要的绿色替代能源,并因此受到了更多的研究和关注。但是,风力发电规模的发展也随之带来了很多问题,其中,风力发电机组火灾事故对风电场的安全和稳定运行影响巨大。而且由于风力发电机组都是布置在环境恶劣的条件下,无法派驻专人进行维护,出现任何火灾都可能导致更大的经济损失。因此,本文从现代消防的安全角度出发,对风电场风力发电机组的火灾成因、危害程度和预防措施等方面进行了研究。     

风电场容量系数计算方法的研究

容量系数反映风电场风速与风力发电机组的匹配程度,是风电场机组选型时衡量的一个重要指标。基于风电场风速的Weibull分布函数和风力发电机组输出特性的二次函数,建立计算容量系数CF数学模型,并且通过工程算例验证该计算方法是可行的。工程实例结果分析表明,风电场的容量系数和发电量近似呈线性关系,同时风电机组的塔架高度和额定风速的选择会影响风电场容量系数的大小。     

风力发电机组选型因素探析

随着我国风电行业的发展,风电装机规模高速增长,风电场建设进入超常规发展,出现了部分风力发电机组效益不佳,通过分析风电场建设中存在的问题,结合风电设备发展趋势,提出在风力发电机组选型中考虑的因素。     

北车风电海上风电机组概念设计研究

针对北车风电发展战略及发展现状;分析了国内外现有大功率海上风电机组的情况;分析了海上风力发电机组的技术难点、设计要求;提出了北车风电海上风力发电机组概念设计的途径和方法,并对几种海上风电机组概念进行了分析;对北车风电海上风电机组的设计提供思路和建议。     

风电机组变流器技术特点和可靠性分析

风电机组变流器是风力发电机组核心部件之一,是实现能量转换的关键设备,其可靠性决定了风电机组运行的可靠性。由于风电机组运行环境特殊,因此,风电机组的功率变流器有其自身的行业应用特点。围绕功率变流器的可靠性问题,从变流器的工作特点及技术要求出发,分析了变流器故障主要原因,阐述了功率器件在工作中的失效机理,提出了提高变流器可靠性的措施。     

变工况时频脊流形早期故障预警方法研究

针对风电机组齿轮箱工况复杂多变,提出了一种基于Gabor重排对数时频脊流形早期故障预警方法.该方法首先研究提取Gabor重排对数时频谱的脊线,构建早期故障高维特征向量;然后研究改进局部切空间流形学习方法,进行维数约简;最后采用K-近邻分类器,实现变工况风电机组齿轮箱的早期故障识别与预警.通过变转速、变载荷等多种工况的行星齿轮箱磨损试验与风电机组现场运行数据验证,结果表明该方法有效提高了复杂变工况风电机组齿轮箱早期故障预警准确率,可为其预知维护提供可靠依据.      

机器算法在电气设备故障预警及诊断中的应用

机器算法应用于电气设备故障预警及诊断已愈来愈广泛。因其能够有效预防设备故障进一步恶化对电网造成严重损伤进而产生不可挽回的后果,所以对于电力系统稳定运行的维护有着显著的作用。目前,应用于该领域的机器算法主要有:误差反向传播(error back propagation, BP)神经网络、支持向量机(support vector machine,SVM)、深度学习[包括:递归神经网络(recurrent neural network,RNN)、卷积神经网络(convolution neural network,CNN)、深度信念网络(deep belief network,DBN)]等。首先,对机器算法的发展及基本理念进行了概述;其次,介绍了各种机器算法的基本原理及在其电气设备故障预警及诊断中的应用;最后,对深度学习在故障预警及诊断中的发展趋势进行了展望。     

基于延迟时间模型的风电机组维修策略

为了解决目前风电机组故障维修不合理导致维修成本过高、运维效率低的问题,以多部件串联风电机组为对象展开维修策略研究：基于延迟时间理论将部件故障分为潜在故障和功能故障,在预防性检测的基础上推迟维修,提出一种机会维修方法。综合考虑备件物流、停机时间及维修成本等因素,建立了风电机组机会维修模型。结合风场实际故障数据,采用蒙特卡洛法求解该模型,探索了检测周期和推迟维修时间对风电机组可用度和维修成本的影响规律,结果表明,考虑推迟维修时的机会维修策略优于传统预防性维修,该模型求解得到的最佳方案能够将风电机组可用度提升至98%,更具有经济优势和工程应用价值。     

三相电压型脉宽调制整流器开关管开路故障诊断方法综述

三相电压型脉宽调制(PWM)整流器因其网侧单位功率因数、能量双向流动等优点成为广泛应用于工业、航空等领域的功率变换装置。为提高系统运行的安全性和可靠性,其故障诊断研究工作得到了极大的重视。针对三相电压型脉宽调制整流器功率开关管开路故障,从故障特征向量种类、故障的识别、定位方法的角度进行了诊断工作的分类,对各诊断方法的适用范围、可靠性进行了对比,指出了三相电压型脉宽调制整流器故障诊断和故障预警今后的研究方向和趋势。     

大型连续式跨声速风洞轴流压缩机故障分析与预测

大型连续式跨声速风洞是开展飞行器外形精确模拟、气动弹性评估和机体/推进一体化设计技术研究的重要地面试验设备,具备运行范围宽、动态指标要求高、系统组成复杂和投资规模巨大等特点。轴流压缩机是连续式跨声速风洞的动力源,被称为风洞的“心脏”,对风洞性能指标实现、安全稳定运行具有决定性作用。风洞轴流压缩机与工业轴流压缩机、航空压气机相比有其相似性,也有其独特性。系统分析工业轴流压缩机中常见的故障类型、诊断预警方法、故障处理方案和健康监测等,对大型连续式跨声速风洞轴流压缩机设计制造和运行维护具有重要的借鉴意义。通过分析国内典型轴流压缩机故障处理案例,结合大型连续式跨声速风洞轴流压缩机关键技术研究,为大型连续式跨声速风洞轴流压缩机研制提供了参考建议。     

基于Bagging集成策略和多元状态估计的风电机组齿轮箱状态监测

风电机组齿轮箱的故障率和维护成本相对较高,有必要对其运行状态进行实时监测。多元状态估计(multivariate state estimate technique, MSET)是一种常用的状态监测方法,但在记忆矩阵规模较大时,MSET在线计算的实时性较差。为此,提出一种基于Bagging集成策略和MSET的新方法:首先基于Bagging集成策略,对训练数据进行多次随机抽样,构造多个记忆矩阵规模较小的MSET子模型,最终将子模型的结果平均后作为集成模型的输出。以某2 MW风电机组的运行数据为算例,对集成MSET的性能进行了对比实验。结果表明:在精度相当的前提下,集成方法的计算时间仅为常规方法的60%;结合统计过程控制技术设计了预警阈值和滑动窗口异常率,并对集成MSET的故障预警能力进行验证,结果表明,集成方法能够提前约10 d预警齿轮箱的实际故障。     

基于mcODM-STA的风电机组变桨系统故障诊断

针对风力发电机组变桨系统故障诊断模型参数难以优化问题,提出了基于状态转移算法优化多类最优间隔分布机(multi-class Optimal Margin Distribution Machine optimized by the State Transition Algorithm,mcODM-STA)的风电机组变桨系统故障诊断方法.该方法选择风电机组功率输出作为主要状态参数,利用Pearson相关系数对风电数据采集与监视控制系统中风电机组历史运行数据进行相关性分析,剔除与功率输出状态参数相关性较低的特征,对余下特征进行二次分析,减少样本特征.将数据集分为训练集和测试集,训练集用来训练所提故障诊断模型,测试集用来进行测试.利用国内风电场实际运行数据进行实验验证.实验结果表明,与其他多种参数优化方法相比,所提方法故障诊断准确率和Kappa系数更高.     

基于NSET的风力发电机后轴承温度预警方法

采用非线性状态估计(NSET)方法对风力发电机的后轴承温度进行建模与分析;并采用Relief方法对特征参数进行选择,减少了NSET建模的复杂性。通过所建模型预测发电机后轴承温度,将其与正常运行温度进行比较;并利用滑动窗口对残差均值进行比较。若超出阈值范围,则发电机出现故障。验证结果表明,非线性状态估计(NSET)方法可以准确预测发电机后轴承温度,实现发电机运行状态的预警监测。     

风电机组传动系统网络化状态监测与故障诊断系统设计

针对现有风电机组监测系统无法对其传动系统早期故障进行有效诊断的问题,研发了一套基于B/S和C/S混合架构的风电机组传动系统网络化状态监测与故障诊断系统。根据应用需求设计了风电机组传动系统状态监测和故障诊断系统、整体框架和功能模块;结合数据采集设备,基于.ENT和SQL Server平台研发了风电机组传动系统状态监测和故障诊断系统,包括网络化数据采集、远程状态监测、信号分析、故障诊断和数据库服务器等模块。该系统成功应用于某风场风电机组传动系统状态监测和故障诊断。     

考虑滚动轴承故障位置与损伤程度的双分支卷积神经网络故障诊断方法

针对现有深度学习方法对非平稳的滚动轴承故障诊断过程中,先验故障信息利用不充分和故障样本不完备,导致诊断精度不高甚至无法诊断的问题,充分发掘轴承故障位置和损伤程度与振动数据特征间的映射关系,提出一种考虑滚动轴承故障位置与损伤程度的双分支卷积神经网络故障诊断方法。该方法首先将原始振动信号矩阵化,构建二维灰度图像数据集,然后建立双分支的改进VGGNet深度卷积网络,将故障位置与损伤程度进行双标签二值化,每个分支独立提取深层特征,实现故障位置和损伤程度特征与标签的自适应。仿真实验结果表明,相较其他深度学习方法,所提方法能够在部分先验知识缺失条件下,实现滚动轴承潜在的不同故障位置及损伤程度的多状态分类,获得较高准确率的同时兼具良好的抗噪性能。