基于模糊综合评价的海上直驱风电机组运行状态评估

直驱式技术正在成为海上风电机组传动系统采用的主流技术之一,对其运行状态的实时正确评估显得极为迫切。该文提出一种集成了相关系数法、劣化度分析法和模糊综合评判等多种方法的风电机组运行状态评价模型。采用客观赋权法中的相关系数法来计算指标权重;归一化指标参数采用劣化度分析法;利用多层次模糊综合评价法,自下而上、逐级地对风电机组各个子系统的运行状态进行评价。并对该评价模型进行实际直驱风机在线监测数据的应用分析,评价结果符合实际运行数据的分析。该文研究结果可为海上风电场直驱式风电机组日常运行维护的管理提供决策辅助,提高海上风电场运营效率。     

采用趋势状态分析的风机齿轮箱状态在线评估云模型

为预防风机齿轮箱严重故障的发生,提出了一种结合正态云模型和趋势状态分析法的齿轮箱状态评估模型.首先,基于数据采集与监控(SCADA)系统的历史数据,采用支持向量机方法建立齿轮箱运行温度预测模型,对齿轮箱不同状态下的趋势预测特征进行分析,求取正常和异常状态时预测值的相对误差序列.然后,采用改进无确定度逆向正态云发生器,利用所求取的相对误差序列提取正常云和异常云的数字特征,构建齿轮箱状态评估云模型.该模型能够根据风机SCADA系统的实测数据,求取齿轮箱当前状态对正常云和异常云的贴近度,并采用最大贴近度原则确定齿轮箱状态.最后,利用辽宁某风机齿轮箱的实测数据对所提模型进行验证.结果表明:该模型能够对齿轮箱的早期缺陷及时预警,达到实时监测的目的.     

基于风速与功率关系的风电机组 运行状态健康指标

风电机组状态识别对于风电机组安全可靠经济运行具有重要现实意义.从风电机组能量转换分析出发,提出和分析了4种基于风速与输出功率关系的风电机组运行状态健康指标的物理力学内涵和计算方法;然后,以2 MW风电机组SCADA数据为基础,对比分析4种健康指标的识别性能,结果表明:基于欧式距离的风电机组运行状态健康指标的识别性能最佳.这为风电机组实时在线运行状态识别提供了一种新途径.     

基于模糊物元分析的变桨系统状态评估方法

针对现有风电机组状态评估方法实时可靠性差和过多人为因素影响的问题,提出了模糊物元分析评估方法,以实现对机组状态的准确评估.选择故障率较高的变桨系统为研究对象,分两步构建了变桨系统状态评估模型:1)分别以3σ准则和四分位分析法对变桨参数分类处理,避免对参数分布的主观评判;用ANFIS算法对数据进行训练来减小极端值影响,获得多特征参数故障检测结果.2)基于模糊物元分析理论,将上一步多特征参数检测结果作为模糊量值代入物元评估模型中,实现了检测结果模糊值与等级评价指标的统一.应用该方法对风电机组实际运行状态进行了测试,结果表明:与传统二元决策方法相比,能够明显反映变桨系统的运行状态,具有更好的评估效果.从定性角度对比分析,该方法较模糊综合评判方法、传统物元分析方法在变桨系统状态评估方面更有优势.     

基于动态权重-云模型的大型渡槽安全综合评价

针对传统渡槽安全评价方法忽略了评价指标权重的动态变化，不能实时反映危险因子对渡槽实际运行状态的影响等缺陷，提出了一种基于动态权重-云模型的渡槽安全综合评价方法，引入动态权重模型为评价指标动态赋权，并利用云模型获取评价指标隶属度。将该方法应用于南水北调中线干线工程M河渡槽安全评价并与静态权重模型评价结果进行了对比，结果表明，动态权重-云模型实现了评价指标层权重计算结果随工程运行状态的实时变化，同时对危险因子的识别敏感性更高，提高了评价方法对复杂运行环境下渡槽安全综合评价的适用性和准确性。     

风电机组主轴系统实时可靠性分析与预测方法研究

对于历史数据不完整的风电机组系统,运行过程中需要对系统和设备进行实时可靠性分析和预测。以风电机组主轴轴承系统为例,以参数偏差为其量化指标,建立实时的可靠性评价模型,对风电机组主轴轴承系统进行实时状态评价和可靠性分析。同时,基于灰色预测法对监测参数进行趋势预测。根据趋势预测结果,结合实时可靠性分析所确定的系统当前状态评价结果,及时预警并识别故障,确定设备维修方案,保障风电机组良好运行。     

采用动态灰聚类算法的风电场动态等值方法

针对风电机组运行状况间具有动态灰色关联性的特点,提出一种基于动态灰聚类算法的风电场动态等值方法.首先,根据实测运行数据对风电机组间的关联性进行分析,并确定数据样本的跨度选取时长.然后,采用动态灰关联分析,构造一个可以体现风电机组运行状况间动态灰色关联性的关联度矩阵G;进而以G中的样本组作为聚类指标进行K均值聚类,得出更合理的机群划分结果.最后,采用容量加权法计算机群等值参数,完成风电场的动态等值.仿真实验结果表明:所建立的动态等值模型与详细模型较接近,能够较准确地反映风电场的动态响应特性.     

基于广义回归神经网络的风电机组性能预测模型及状态预警

提出了一种基于广义回归神经网络（GRNN）的风力发电机组性能预测及异常状态预警方法。通过分析运行中影响风机主轴转速和发电功率的主要因素,确定了性能预测模型的输入和输出参数。运用SCADA系统的真实历史数据,采用广义回归神经网络（GRNN）建立了风电机组的性能预测模型,通过比较模型的预测精度对GRNN的平滑因子进行了优选。以此模型为基础,采用滑动数据窗方法实时计算风电机组转速和功率的残差评价指标,当评价指标连续超过预先设定的阈值时,则可判断风电机组状态异常。采用某实际风电机组若干历史故障发生前后的真实SCADA数据进行模拟,验证了方法的有效性。     

基于风场大数据互信息关联的风电机组性能评估

在风电机组现场运行大数据基础上,提出了一种互信息关联分析的风电机组输出功率建模方法;并基于该模型对风机叶片加装涡流发生器前后风电机组的性能进行了评估分析。计算验证结果表明:所建模型能够较好的拟合机组的输出功率;同时在叶片前缘附件加装涡流发生器,可以有效的改善机组的发电性能,提升风机对风能的利用率。     

风电时序动态修正的实时调度计划研究

针对风电功率预测偏差影响电力系统发电计划准确性的问题,提出了一种超短期内风电时序动态修正的实时调度模型.该模型采用马尔科夫链时序预测方法,以5~15min为周期动态修正风电超短期预测功率的时间序列,并以煤耗增量最小和弃风最小为双重优化目标,同步修正风电场及常规机组的发电计划,最后将模型转化为凸二次规划及其拉格朗日对偶问题,并基于原-对偶内点法构建求解算法.通过对含风电场的10机组系统的仿真分析表明:所提模型在日内调度过程中进一步优化了系统的运行成本,同时提高了系统跟踪风电功率波动和消纳风电的能力,所采用的求解算法收敛迅速、鲁棒性强,可适应于实时调度的计算需要.     

风力机双参数机舱传递函数构建方法

自由来流风速是影响风电机组叶片气动性能、运行控制策略、功率特性的重要因素。针对常用机舱传递函数在估算自由来流风速时考虑因素单一的问题,本文以风电机组的能效后评估为依托,借助机舱式激光雷达对自由来流进行测量,结合机组运行状态建立了测风数据的有效性筛选方法;基于曲面拟合的方式研究自由来流风速与同期机舱风速、机组输出功率的相关关系,提出了一种双参数机舱传递函数的拟合构建方法,其拟合优度相对于常用单参数传递函数有了一定程度的提升。采用该方法可降低机组后评估时对遥感测风装置的依赖,为同场区该型号机组能效评估中涉及的自由来流风速获取提供了一种精度较高的工程估算方案。     

基于ARIMA风电机组齿轮箱故障趋势预测方法研究

针对齿轮箱计划外停机和意外故障导致的风电机组安全运行问题,提出了一种基于ARIMA模型的故障趋势预测方法;方法可以处理具有非线性和非平稳性特征的齿轮箱运行状态监测数据,用以时间序列的自相关分析为基础的模型预测状态监测时间序列数据的趋势变化;选择生产现场采集到的齿轮箱油泵出口压力SCADA数据和运行实例验证了方法的有效性,实验结果的拟合效果令人满意;研究结果表明方法能够适应齿轮箱运行状态监测数据随时间的变化特征,反映出一定的运行状态变化趋势,具有较好的预测精度和较大的应用范围,对风电机组其他部件的故障趋势预测具有一定的应用参考价值。     

基于区间分析和云模型的实物期权定价研究

针对实物期权定价中预期现金流收益的现值和投资成本采用精确值给出不太合理的实际情况,深入分析了现有的基于模糊集理论和基于云模型的实物期权定价方法,提出了基于区间分析和云模型的实物期权定价方法。首先,在基于云X信息的逆向云算法的启发下,结合区间分析理论,提出一种新的逆向正态云构建算法;然后,用生成的云模型表示预期现金流收益的现值和投资成本,结合期权定价理论和基于区间数的逆向云算法,运用云运算,给出了一种将专家评估区间数据转化成正态云模型的形式,并提出了利用逆向正态云估计预期现金流收益的波动率的实物期权定价方法;最后,通过实例模拟证明了该方法的有效性。     

基于SLA的云计算动态信任评估模型

针对云计算环境中用户如何有效的选择云服务商及签订服务协议的问题,本文提出一种基于服务等级协议SLA的中立第三方动态信任评估系统框架.通过在用户端和云端设置的监测代理,实时监控并采集SLA相关的实际服务数据;通过实际观测的参数、其变化情况及SLA协定的参数,同时结合用户主观评价,计算得到服务质量的信任值,最终形成对云服务商服务可信度的全面的和动态的评价.本文给出了系统框架结构、评估方法和评估输入与流程等信任评估的实现方法.与其他信任评估方法相比,本文提出的模型全面融合了多种数据主客观评价来源,给出了具体流程和方法,具有更好的客观性、准确性和可信性.     

考虑风电出力偏差和调度经济性的风电接纳水平优化

采用威布尔风速分布模型,给出风电出力偏差期望值,并分析风电出力偏差给常规机组和风电并网运行的经济性带来的影响.在此基础上,建立综合考虑常规机组发电成本与风电场运行经济性的多目标经济调度模型,采用多目标粒子群优化算法,以风电出力预测值作为基准来定量优化与评估风电接纳水平.算例表明,该模型能够平衡常规机组与风电场运行的经济性,从经济性角度评估系统接纳风电的能力并为电网调度和风电场运行与规划提供一种依据.     

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.     

330MW机组锅炉的两类模块化模型

锅炉是电站中最重要的热力设备，其运行状态直接影响着机组的安全、经济运行．对锅炉动态特性的研究可以增进对锅炉的认识，这对提高锅炉和机组的安全、经济运行有很重要的作用。介绍了MMS特点，基于MMS仿真环境，从原理上比较了实时和非实时模块的差异，以典型的330MW发电机组为对象分别建立了锅炉的实时和非实时动态模型。仿真试验表明，两种模型的动态过程均符合对象的机理，同时，对实时模快的有效性进行了探讨。     

既有桥梁结构劣化状态评估

为提高既有桥梁结构劣化状态评估结果的准确性，本文基于既有桥梁的监测、检测数据以及有限元手段，提出了既有桥梁劣化状态的评估方法。首先，基于既有桥梁监测数据，采用精确的效应分离法实现恒载效应增量的分离，然后利用有限元手段建立该桥的劣化响应回归模型，最后将恒载效应增量代入回归模型中实现既有桥梁劣化的评估，并通过桥梁定期检测结果验证了评估结果的合理性。结果表明：该既有桥梁仅出现轻微劣化，且所建议的既有桥梁劣化状态评估方法是合理的，可为既有桥梁结构承载能力评估奠定基础。     

一种基于DSP的风电机组齿轮箱故障在线自动识别方法

目前风电机组故障诊断主要是现场对机组数据进行采集,再通过人机交互的方式对数据进行离线处理和分析,评估机组的状态.由于机组数量多,传动系统结构复杂,测点多,数据分析任务重,状态报告往往滞后,容易故障漏报.本文提出了一种基于DSP的风电机组齿轮箱故障在线自动识别的方法,根据齿轮箱振动特性原理,采用阶比分析与幅值调制算法,求取相应的幅值调制比率,对幅值调制比率进行分析,判别故障状态.以数字信号处理器TMS320C6748为实现平台,针对齿轮箱不同工况下采集的定速与变速振动加速度信号的自动处理,验证故障在线自动识别的准确性和可靠性,人机交互界面可以直观显示齿轮箱运行状态.齿轮箱状态在线识别对于降低风电机组运维费用、提高效率具有重要的意义.     

机械设备磨损状态变权综合评价方法

为对设备磨损状态做出准确评价,引入劣化度概念,提出机械设备磨损状态变权综合评价方法.通过最小二乘曲线拟合求取劣化度分布函数,结合算例对实际中机械设备磨损状态进行评估,验证了该方法的有效性.相比常权法,变权综合评价方法能够突出劣态.