风力发电机组运行维护探讨

在风力发电机组运行的过程中，常常会发生很多的故障，因此，需要对发生的故障进行分析，查找原因，进而采取有效的维护措施，促进风力发电机组的良好运行。本文主要针对风力发电机组的运行维护进行了相关方面的分析和探讨。     

风力发电机组的防雷技术

随着风力发电机组制造技术的成熟,以及海上风机制造技术的发展,风机多处在雷电多发区,风机遭受雷击是影响风电场安全持续运行和发挥风电经济效益的重要因素.结合目前风机防雷设计中常参照的国际电工委员会制定的标准IEC61400-24及相关技术,分析了并网运行的风力发电机组遭受雷击的特点,希望能在工程实践中针对风机的防雷有一定的...     

基于多元分解和深度学习的机器故障检测方法的研究

基于声学的机器故障检测方法是一种新颖的研究方法,但是需要依赖采集足够丰富的故障类型数据.因此,提出一种无监督的机器故障检测方法,即使用机器正常运行状态的数据作为训练样本,从而鉴别出机器异常状态.该检测方法的一个关键问题是信号中的噪声,它会影响检测的性能,针对这个问题,提出了一种基于多元张量分解的准非参数光谱数据去噪策略,即非负正则多重分解,这种策略特别适用于发出稳定声音的机器.通过实验证明了这种声学检测方法,可以使得工业过程的故障监控更加准确.     

基于机器视觉和深度学习的车辆碰撞预警算法研究

车辆行驶中,常因跟车过近引发碰撞事故,针对这一问题,研究提出一种基于机器视觉和深度学习的车辆碰撞预警算法。首先,利用图像处理方法对车道线进行检测,根据不同车速设置不同范围的安全区域。再利用深度学习卷积神经网络对视野中车辆目标进行检测,当目标侵入安全区域时发出碰撞预警提示。实验结果表明,文章算法能有效地对潜在碰撞威胁进行预警,对碰撞威胁检测的查准率和查全率有着较好的表现。将其应用在车辆驾驶中可有效地提高行车安全,具有实际应用价值。     

变桨距风力发电机组的控制策略研究

在对风力发电机组运行控制分析的基础上,针对变桨距风力发电机组功率控制问题,对变桨距风力发电机组控制系统建立了模型,并对变桨距控制系统进行了模拟仿真分析,得出改变桨距角的大小就可以控制叶片吸收风功率的多少,调节桨距角可以使发电机输出功率平稳。     

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。     

风力发电机组状态监测和故障诊断技术研究

电力生产中,风力发电是一种新型模式,直接影响着电力生产量的提升、节能降耗及行业可持续性发展。随着时代的进步,风力发电机装机容量与建设规模日益扩大且操作要求不断提升,一旦维护不合理,就会引起设备频繁出现故障。因而,应用在线诊断系统实时监控设备运行过程,及时发现并解决风力发电机组遇到的问题,确保发电机组安全、稳定的运行。基于此,针对风力发电机组状态监测及故障诊断技术,本文进行了研究和阐述。     

电网故障下双馈风力发电机组的控制策略研究

双馈风力发电机(DFIG)系统变流器仅对发电机的转差功率进行变换,因此它比同容量直驱风力发电机的变流器容量小很多,但这使得它对电网故障的抵御能力较弱.本文针对双馈风力发电系统在电网故障下的控制策略进行研究.在电网故障时,DFIG系统的控制包括阻止风轮过速进行的桨距角控制和功率变流器在电网故障期间和之后的保护和电网电压支持控制.为了在电网故障期间提高DFIG电网电压支持能力,在正常运行时的DFIG控制结构基础上加入了另一控制级.这个控制级包括阻尼控制器、转子侧变流器、电压控制器和网侧变流器无功补偿器.仿真结果证明了所提出方案的可行性.     

基于深度学习的闪烁探测器信号故障识别研究

传统核探测器故障信号诊断研究都需要提前提取信号特征,然后用机器学习、支持向量机、统计方法等对特征进行分类。为了实现对探测器输出信号进行实时识别和故障诊断,本文基于Matlab平台构建了一个用于对图像进行分类的卷积神经网络模型,对核探测器故障信号进行分类诊断。从分类准确率和算法运行时间两个方面对Adam、Sgdm、Rmsprop三种优化算法进行了比较。结果表明Rmsprop算法运行时间最少,但准确度和损失的训练迭代曲线不平稳;Sgdm模型对十组非正常信号图像分类的准确率最高为93.10%,准确度和损失的训练迭代曲线平稳。虽然,本文方法诊断准确率略低于文献报道值,但是不需要对信号进行预处理和特征预提取,使用更为简便。     

低温环境风力发电机组的选型分析

低温对风力发电机组影响很大,选型不当会产生不可预料的后果.本文从风力发电机组的出力、主要零部件、油品、风轮叶片几个方面分析低温的影响.工程实例分析低温情况下,风力发电机组的具体选型.给出低温折减系数、空气密度修正系数的计算.     

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。     

基于小波降噪和EMD方法的风力发电系统齿轮箱故障诊断

将小波降噪和经验模态分解相结合,提出一种风电机组齿轮箱故障诊断的方法。先对齿轮故障振动信号进行小波降噪预处理,再进行经验模态分解,对包含故障特征的固有模态函数用Hilbert变换得到包络谱,通过对包络信号做功率谱分析,提取故障特征频率,与未降噪信号处理的结果进行比较,降噪后诊断效果明显。     

基于多层超限学习机的滚动轴承故障诊断方法

针对目前轴承故障诊断领域存在的海量数据问题及快速学习、实时监测的诊断要求,采用一种多层超限学习机方法对滚动轴承故障数据进行诊断测试。该方法直接学习轴承故障振动时域信号,与传统诊断方法相比,省去了复杂的信号处理过程,更加简便。将多层超限学习机方法的诊断结果分别与单层超限学习机、深度神经网络方法的诊断结果进行比较,多层超限学习机具有明显优势:(1)与单层超限学习机相比,多层超限学习机具有更好地学习和特征提取能力,其诊断准确率可达到98.29%;(2)与深度神经网络相比,多层超限学习机能够在保证较高诊断准确率的前提下,获得较快的训练速度,其训练速度较深度神经网络提高了41倍。结果表明,所采用的方法在滚动轴承故障诊断方面具有很好的效果和应用价值。     

基于深度学习的含未知复合故障多传感器信号故障诊断

深度学习在故障诊断领域的应用已比较成熟,其中卷积神经网络(CNN, convolution neural networks)和长短时记忆网络(LSTM, long short-term memory networks)就是典型模型之一。CNN作为一种常用的多传感器信号故障诊断方法,能够获得较好的诊断效果,却无法实现未知复合故障的诊断,为解决这个问题,提出CNN-LSTM-FCM(fuzzy C-means)模型。LSTM对具有前后联系的时间信号更敏感,利用这个特点将LSTM与CNN相结合,实现未知信号的诊断,并通过概率分类输出实现了复合故障的解耦,CNN-LSTM-FCM模型本身优化参数设计,进一步提高了诊断精度。使用化学过程故障测量数据进行实验,结果表明CNN-LSTM-FCM模型诊断准确率可达到97.15%,优于CNN模型和LSTM模型,具有较高的应用价值。     

基于证据熵多源组合规则的风力发电机组故障诊断方法

针对证据理论在风力发电机故障融合诊断中存在的高冲突问题,提出一种基于证据熵的多源融合组合规则.由风力发电机历史故障特征数据模糊化获取原始证据,根据多类传感器实时数据重要性的不同,采用信息熵原理得到各证据的重要性参数即权重,对加权修改后的证据进行Dempster融合得到最终结果,最后基于决策准则作出故障诊断.风力发电机故障诊断实例表明,本方法在一定程度上降低了证据之间的冲突性,提高了故障诊断的准确率.     

基于激光雷达的风力机偏航误差纠正策略研究

本文在分析了现有测风系统不足的基础上,通过风洞实验验证了不同入射角来流风速对风速仪测风的影响,证明了现有风速测量的不准确性。在此基础上提出了激光雷达风轮前方测风系统,根据电量损失的百分比和偏航误差的余弦平方关系曲线,通过在风电场安装激光雷达,收集激光雷达和现有测风系统(机舱后方气象架和测风塔)的风况数据,对数据进行相关性及拟合分析,得出现有测风系统所测量风向的偏差值。通过在人机界面(HMI)中修正此偏差值可以减少功率损失。     

基于无限学生t混合模型聚类的机械故障预警方法

往复式压缩机、柴油机等复杂机械的振动信号往往呈现较强的非平稳特性,导致传统单特征门限报警法的报警准确率较低。针对该问题,提出一种基于无限学生t混合模型（infinite student's t-mixture model,iSMM）聚类的机械故障预警方法：首先,通过提取机械振动信号特征构建高维特征空间,并采用iSMM对其进行建模,以描述机械设备的状态;其次,利用基于匹配的KL散度近似算法计算机械设备在历史正常状态和观测状态下的模型间距离;最后,将该距离与基于3σ准则自学习出的报警阈值进行比较,实现故障预警。利用往复式压缩机故障案例对所提方法进行验证,结果表明本文方法较单特征门限报警法报警准确率高且时效性好,可有效地对复杂机械进行故障预警。     

基于GDW理论的风力发电机整机性能分析

由于所受工况瞬态多变且工作环境恶劣,所以风力发电机组是一个复杂、多变量、非线性的不确定系统,因此,整机性能分析是风力发电机系统设计的关键.引入了风力机的动态人流(GDW)理论,在Matlab中建立了600 kW失速型水平轴风力机的气动力,在Simulink传动系统的动力学仿真模型,模型中考虑了叶片的气弹耦合性,并在ADAMS中建立了包含柔性叶片和塔架的风力机整机虚拟样机模型,将三者联系起来建立了联合仿真模型.分析了风力机的功率系数、额定功率以及叶片与塔架的变形.与Bladed的分析计算结果相比较,结果证明了仿真方法及仿真模型的正确性.     

基于异步电动机的风力机风轮动态模拟方法

为提高风力发电机系统的控制性能，设计了一套风力机风轮的动态模拟装置，该装置具有与实际风力机风轮相同的机械特性，可用于设计、评价和测试实际的风力发电系统．假设负载在单位采样时间内恒定，模拟控制器根据电机反馈速度估算出每个采样时刻的负载值，由风力机风轮的特性计算出实际风轮的输出加速度，再与计算出的风轮加速度相比较，算出异步电动机的电磁转矩指令，采用直接转矩控制策略控制变频器，以调节异步电动机的电磁转矩．仿真结果表明，用该方法估算的负载值与实际负载相差很小，模拟系统的机械动态特性与实际风力机风轮的基本一致．     

基于机械传动的阻力式风力机研究

为减少阻力式风力机在旋转过程中叶片所做的负功,研究了一种高效阻力式风力机的原理及结构,通过传动装置控制叶片的方向,使其在逆风时减小迎风面,与一般的阻力式风力机相比,这种风力机具有结构简单,性能可靠和有效功率较高的特点。