基于FMEA和HM的智能电能表关键元器件认定研究

智能电能表关键元器件的认定是智能电能表可靠性提升的重要途径和手段。文中根据智能电能表可靠性的要求,结合智能电能表的实际情况对智能电能表严酷度进行了定义。利用故障模式和影响分析方法(Failure Mode and Effect Analysis, FMEA)结合智能电能表实际故障调研数据,对智能电能表的严酷度和故障概率等级进行评定,在此基础上绘制危害性矩阵图,得到了智能电能表关键元器件的认定依据,进而认定了智能电能表的关键元器件,实验分析验证了结果符合实际情况。文章对智能电能表生产厂家和相关管理部分具有较好的参考价值,对提升智能电能表可靠性有积极作用。     

用于产品可靠性分析的模糊FMECA方法

针对产品可靠性分析过程中,由于评价因素多且故障描述语言及评判指标具有模糊性,难以给出准确有效的分析结果的问题,利用模糊综合评判方法对故障模式、影响及危害性分析方法(FMECA)进行改进.通过建立因素集、评价集、模糊因素评价矩阵、权重集等步骤,将定性评价指标予以定量化.并以电磁流量计传感器系统为例,制定故障模式、影响分析(FMEA)表格,对表中各故障模式进行模糊综合评价.依据评判结果得出各故障模式的危害等级排序,进而找到产品可靠性改进的重点.分析结果与实际情况吻合,说明该方法是能够充分利用系统模糊信息进行可靠性分析的有效方法.     

神经网络技术在风电机组SCADA数据分析中的应用研究

随着海上风电场的快速发展,降低运维成本和提高风电机组可用性问题已成为研究热点。文中提出一种数据驱动的风电机组性能评估方法用来提高风电机组运维效率,降低维护成本。该方法结合了神经网络和随机过程理论,对风电机组数据采集与监视控制系统(supervisory control and data acquisition,SCADA)数据进行分析,建立了风电机组运行行为模型,提出了评估风电机组运行性能的指标。在此基础上,结合9台风电机组的SCADA数据,评估了运行性能。针对风电机组运行中出现的异常状态,分析了可能的原因,并提出了相应的维修建议。结果表明,该方法能够有效地分析SCADA数据,所提指标对提高风电场运维效率具有参考价值。     

微网对配电系统可靠性的影响

微网的接入将传统的单电源辐射状配电网络变成1个遍布电源和负荷的多电源新型配电系统,含微网的配电系统可靠性评估的理论与方法都将发生巨大的变化。介绍了微网的运行方式,及它对配电系统的影响,将故障模式影响分析法（Failure Mode and Effect Analysis,FMEA）应用到有微网的配电系统可靠性评估中。用所提到的方法对RBTS-BUS6中F4馈线的可靠性进行评估,验证了微网可以有效地提高配电系统的可靠性。     

电力变压器故障模式的分析及危害评估

对大型电力变压器进行了故障模式及影响分析(FMEA)和危害性分析(CA)。在FMEA中重点讨论了系统定义方式以及故障模式的分析项目,以便为故障诊断等维修活动提供更为全面有效的支持;在CA中针对常规危害度评价算法存在可靠性数据不易获得、评价因素单一的局限性,将模糊数学引入故障模式的危害评价中。提出了基于故障发生频率、严重程度以及检测难度三因素的模糊危害度评价模型,较为客观地描述了故障的危害性。     

基于PCA-NAR神经网络的风电机组健康趋势评估

为了提高风电机组的实时可靠性,避免维修不足及维修过剩问题,降低风场运维成本,基于监控与数据采集(supervisory control and data acquisition,SCADA)系统得出的监测数据,应用主元评价和非线性自回归(non-linear auto-regressive,NAR)时间序列神经网络,通过建立评价及预测模型。通过实际数据验证模型有效性。结果表明:采用PCA-NAR的方法对风电机组的健康状况进行评估及预测有较好的效果,有助于帮助风场运营人员提前识别故障趋势并作出具体决策,以免机组遭受更为严重的故障。     

海上风电机组运行维护现状研究与展望

海上环境恶劣、可进入性差,给海上风电机组的运行与维护带来了巨大挑战。近年来,随着海上风电的大规模开发与大容量海上风电机组的相继并网,海上风电机组经济可靠地运行与维护已经成为新能源研究的热点问题之一。文中对海上风电机组运行维护现状进行统计与分析,主要围绕海上风电运维最关注的可靠性(Reliability)、可用率(Availability)以及维护(Maintenance)3个方面阐述了当前海上风电机组运行与维护现状。在此基础上,整理与归纳了影响海上风机运维成本的主要因素,对当前海上风电机组运维研究热点进行总结,展望了未来有待进一步研究的方向。     

电器产品的可靠性分析(Ⅰ)

一、前言可靠性分析是产品可靠性设计的一个重要内容。产品进行可靠性分析时,一般都把产品看成是一个系统。而产品的零部件则看成是各个单元或子系统.产品可靠性分析的方法一般有两种:一种是失效模式和效应分析(Failure Mode and Effects Analysis),简称FMEA;另一种是故障树分析(Fault Tree Analysis),简称FTA。FMEA是一种归纳法,主要用来对产品可靠性进行定性     

基于模糊PI控制器的风电机组动态稳定性分析

并网风电场会对电网的安全稳定运行造成一定影响.当风电机组并网接入点发生短路故障时,双馈风电机组必须通过控制才能获得较好的动态特性并具备低电压穿越(Low Voltage Ride Through,LVRT)能力.为提高并网风电机组的故障穿越能力,设计了模糊PI控制器,建立了双馈风电机组并网仿真模型.仿真结果表明,较传统的PI控制器,模糊PI控制器可以抑制故障时双馈风电机组的有功功率、机端电压以及换流器直流母线电压的振荡,提高并网系统的故障穿越能力.     

基于趋势预测的大型风电机组运行状态模糊综合评价

大型风力发电机组的设备维修与更换的费用昂贵,因此及时准确地对风电机组运行状态进行评估,可有效节约检修维护成本。为此,提出一种基于状态参数趋势预测的大型风电机组运行状态模糊综合评价策略。首先分析并归纳大型风电机组的重要运行状态参数,采用层次分析法构建出评价模型,在状态参数的劣化度计算中结合模糊趋势预测策略,然后应用模糊隶属度加权进行逐层评价结论的综合,在总体评价结论的综合策略上对传统方法进行有益的改进。算例表明,与常规模糊评价策略相比,提出策略更具合理性,有助于及时发现早期故障隐患,可为风电场合理安排机组的调度运行与检修维护计划提供参考。     

基于出力相关性的风电机组非正常运行状态及故障诊断

为了解决风电机组运行状态及故障诊断中外界环境因素对出力情况的影响,引入风电机组出力相关性信息,对机组运行状态进行判别。实现了在不增加传感器和测点的情况下,提高判别机组非健康状态或故障状态的可靠性。将相关性分析与模糊故障Petri网相结合,以此判别风电机组的运行性能并诊断故障。采用风场实际数据的验算结果表明了该方法的有效性。     

基于可靠度约束的风电机组机会检修模型

对风电机组进行预防性检修,能够有效提高机组的可靠性。首先以风电机组单个部件的可靠度作为约束条件,以单部件单位时间检修成本最小作为目标函数,求得单部件的最佳检修周期和检修次数。在此基础上,对符合一定条件的部件进行机会检修,构建了风电机组的机会检修模型。最后,以机会检修策略下总的检修费用最小作为目标函数,以机组整体的可靠度作为约束条件,利用遗传算法对该模型进行求解以得到最佳的机会检修阈值和最小的检修总费用。通过算例分析表明,该机会检修模型能够有效节约总的检修成本。该研究对检修部门制定检修计划具有一定的参考意义。     

基于解析冗余式的风机传动系统故障诊断

为了以系统有序的方法对风机的具体元件参数进行故障诊断,给出一种基于键合图模型的故障诊断方法。键合图模型是一种跨能域的元件级模型,因此能够定位到具体的故障元件。同时键合图模型能够清晰地表明各元件之间的关系,因此适用于推导解析冗余式。通过解析冗余式可以对系统进行故障检测和隔离。为了能够系统地得到尽量多的解析冗余式,提高故障的可隔离性,该方法首先建立风机的键合图模型,然后由键合图模型导出时间因果图,由时间因果图导出变量关系图,最后由变量关系图消除键合图中结点方程的未知变量得到解析冗余式。实验结果验证了采用该方法推导的解析冗余式能够用于风机参数故障的诊断。     

基于区间预测的风力机桨距执行器LPV故障诊断

针对风力机桨距系统故障导致的桨距角输出变化的问题,在建立风力机桨距系统线性参数变化(Linear Parameter Vary, LPV)模型的基础上,提出了基于区间预测方法的故障诊断方法。首先,以液油含量为调度变量,将风力机桨距系统非线性模型转化为LPV模型,使模型更加精确。其次,考虑到模型不确定性描述的边界问题,引入区间预测算法,根据桨距角输出是否处于区间预测输出上下限内判断故障发生与否。最后,将所提出的算法在风力机系统中进行仿真。仿真结果表明,所提出的算法能够很好地估计出桨距执行器故障,提高了故障诊断的鲁棒性。     

考虑隶属度可变的继电保护变权模糊综合状态评价方法

继电保护的状态评价通过对保护设备的有效监测,同时引入科学客观的评价方法,可以及时准确地掌握设备的运行状况,从而合理安排检修计划,大幅缩短检修时间和提高检修质量。研究和对比了现有继电保护状态评价方法的不足之处,提出了一种考虑隶属度可变的继电保护变权模糊综合状态评价方法。首先完善了继电保护状态评价指标体系,并增加了新的评价指标和劣化度计算模型。其次提出了基于系数可变、正态分布且评语集为4区的可变隶属度函数模型,并考虑了隶属度模糊判别矩阵的动态修正问题,提出了效果更加明显的模糊矩阵动态修正方法。构造了幅度有区别且变权系数可调的惩罚—激励型变权函数。最后,在算例中利用该方法对某设备进行了状态评估,并验证了该方法的可行性和优势。     

基于PSO优化核主元分析的海上风电机组运行工况分类

海上风电机组运行环境复杂多变,对其工况进行分类可以提高机组运行健康状态评价的准确性,为制定合理的运行维护策略提供可靠依据。提出一种基于PSO优化核主元分析(KPCA)的多参数工况分类方法。针对核函数参数难以确定的问题,综合考虑类内散度和类间散度构建优化核参数的适应度函数,应用PSO算法对其进行寻优,将优化后的KPCA用于数据的特征提取,在此基础上采用模糊C-均值聚类(FCM)建立分类模型。通过对UCI数据库中的三组实验数据进行分类验证了该方法的有效性。最后,应用该方法对某海上风电场实测数据进行工况分类,并与PCA+FCM、KPCA+FCM两种方法进行比较。结果表明,提出方法的分类结果优于其他两种,能够得到清晰准确的分类结果,利于分工况建立准确的机组运行健康状态评价模型。     

基于超级电容蓄能的永磁同步海上风电低电压穿越研究

为避免电网电压跌落导致海上风电机组脱网运行,分析了直驱永磁同步海上风电系统的双PWM全功率变流器控制策略,提出了一种基于超级电容器蓄能的海上风电机组并网运行低电压穿越方案。在双向变流器的直流侧并联超级电容蓄能系统,利用超级电容来维持电网故障时的功率平衡,稳定直流侧母线电压。利用网侧变流器静止无功补偿运行模式控制无功电流输出,向电网提供无功功率支持。仿真结果表明了该方案在电网故障时,能有效抑制直流侧过电压,向电网提供无功功率,有利于电网故障恢复,提高了直驱永磁海上风电系统的低电压穿越能力。     

基于RBM和SVM的风电机组叶片开裂故障预测

针对风电机组SCADA监测数据的非线性、高冗余等特点,提出一种基于受限玻尔兹曼机(Restricted BoltzmannMachine,RBM)和支持向量机(SupportVectorMachine,SVM)的风电机组叶片开裂故障预测方法。利用RBM优异的特征学习能力,将其作为特征提取器来获得风电机组SCADA数据中表达能力更强的数据特征。将RBM的输出作为SVM的输入,构建RBM+SVM组合预测模型。利用训练集、验证集进行预测模型构建和参数微调。为验证提出模型的有效性,将其预测结果与RBM+Logistic回归、SVM和Logistic回归的预测结果进行对比。实验表明,RBM+SVM的预测准确率为93.08%,与三组对比模型相比具有明显的优势。研究结果可为实际风电机组叶片开裂故障预测提供重要参考。     

风机并网变流器温升分析与控制参数优化

并网变流器作为风电机组的核心部件之一,其故障时间直接影响机组的发电量和度电成本。特别是在风机并网可靠性要求高和工况恶劣环境下,变流器可靠性显得更重要。其中,因变流器温升问题导致的停机故障已经成为影响可靠性的重要因素之一。分析了影响风机并网变流器温升的主要因素,通过优化温升相关的开关频率、发波方式及影响PWM电压波形的吸收电容值大小等主要控制参数,给出了风机并网变流器过温问题的保护与治理措施以及相关参数优化方案,并对选用的1.5 MW双馈风机并网变流器进行了实验对比分析。通过实验数据可以看到,同等条件下变流器的温升会明显降低,实验结果证明了所提方案的有效性。     

永磁直驱机组叶轮质量不平衡故障建模及仿真研究

针对风力机叶轮质量不平衡故障对风电机组安全稳定运行的严重影响问题,在对该故障形成机理简要阐述后,理论推导了该故障对永磁同步发电机转速及电磁功率造成的影响。利用Matlab/Simulink建立在该故障状态下包含风力机、传动部件及发电机的风机模型,从定量角度设置不同的仿真算例,分析电机转速和电磁功率信号时域及频谱曲线特征及变化。分析结果显示其包含电机旋转的一倍频分量和二倍频分量,且随着不平衡质量的增大而增大。在湍流风速条件下,电机旋转及电磁功率频谱在低频段呈现连续尖峰。该方法可以应用到直驱风电机组故障诊断系统中质量不平衡故障的判别和不平衡质量的确定。