风机叶片故障预测的振动方法研究

风机工作中连续受到空气动力、惯性力等交变载荷的冲击,使得风轮桨叶产生不规则摆动和扭曲变形,异常振动和急剧变形将造成风机灾难性损毁,因此实时检测风机叶片整体运行状况显得尤其重要。提出基于三轴加速度传感器网络模型数据融合的风机叶片故障预测方法,通过对三维矢量分解、转换及提取技术反映风机整体运行模态,设计了数字信号处理技术的振动监控系统,对振幅超限的低频或超低频信号进行时域和频域分析,识别出了风机在4~30 Hz低频区域振动引起的故障率最高,并成功实现了风机叶片机械故障发生率75%的提前预测。     

结合随机森林和SVM的风机叶片结冰预测

风电领域里工作在严寒地区的风机结冰现象严重。材料、结构性能的变化以及低温环境引起的负荷变化威胁风机的发电和安全运行。文中提出结合随机森林和SVM的风机叶片结冰监测方法,主要采取递归特征消除随机森林的特征选择方法从原始风机数据集选择出有效特征,SVM对特征选择后的数据集进行训练,最后用Stacking结合策略融合SVM模型和随机森林模型。试验结果表明,采取RFE-随机森林特征选择和SVM相结合的方法比未经过特征选择的SVM模型在分类精度上平均提高9.64%;采取Stacking结合策略融合SVM模型和随机森林模型,融合模型具有最好的准确率99.05%和泛化性。该方法可实现对风机结冰有效预测且可理解性好,对风场操作人员维护风机具有指导意义。     

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。     

基于光纤传感技术的风机叶片故障检测技术研究进展

叶片是风电机组的重要组成部分,承担着捕获风能的重要功能,一旦损伤必然导致风机停机,对其进行状态监测十分必要。对风机叶片的监测主要采用无损检测技术,传统方法大都基于电子测量原理,具有抗电磁干扰能力差、无法实现分布式测量等缺点。文中在对比传统无损检测技术灵敏度、效率、抗干扰能力等指标的基础上,重点分析和研究了光纤传感技术用于风机叶片监测的现状。从测量原理、传感器结构、应用实施方法、监测效果等方面,分析了FBG、BOTDA、OFDR以及干涉型光纤传感技术的研究进展,最后重点分析了光纤形状传感技术在风机叶片监测中的应用研究现状、存在的问题及未来发展趋势。     

无人机在风机叶片检测中的应用

介绍了无人机的分类及特点,分析了风机叶片的故障种类、检测方式及无人机应用于叶片检测的特点等,最后通过实例说明无人机在风机叶片检测中具有操作简单、维修方便、效率高等优点。     

基于子空间方法的风机齿轮箱故障预测算法

为了减少风机齿轮箱严重故障的发生,提出了一种基于随机子空间识别方法的齿轮箱故障预测算法。该算法首先建立齿轮箱的随机状态空间模型,并利用正常运行时的振动监测数据计算模型的参数矩阵的特征值,并将其作为参考特征值;然后将由实际振动数据所求得的特征值与参考特征值进行比较,如果两者误差很小,则说明齿轮箱正常,反之则异常。为了减少计算量,引入均方根误差(RMSE)作为齿轮箱故障判别指标,并利用统计过程控制(SPC)原理定义该指标的阈值。最后,对一台实际风机的振动监测数据进行仿真,结果表明了所提出算法的有效性。     

基于LightGBM 的变压器故障预测在数字孪生变电站中的应用

变压器是变电站中主要设备之一,其安全运行对于变电站的运转起着至关重要的作用,因此对变压器故障进行预测对保障变压器的平稳运行有着重要意义.提出基于 LightGBM 的预测模型,将其应用在实际数字孪生变电站中.首先对特征量进行选择,并使用 PCA 对数据进行降维;其次用 LightGBM 算法构建模型并对测试样本进行模型精准度验证,证明了算法的可用性;最后与其他机器学习算法对比,分析模型的不足,并对 LightGBM 算法在变压器故障预警中的深入应用提出了改进方向.     

XGBoost算法在风机主轴承故障预测中的应用

针对传统机器学习算法处理海量风机数据采集与监视控制(SCADA)监测数据效率低和准确度差的问题,提出利用极端梯度提升(XGBoost)算法预测风机主轴承故障。首先,对风机主轴承SCADA数据开展特征分析,挖掘和发现特征与故障之间的关联关系,并评估各特征的重要性;然后利用XGBoost算法构建主轴承故障预测模型,进行模型评估;最后,依据SCADA系统收集的实测数据对模型进行训练和测试,并调整XGBoost模型的主要参数,提高预测准确率。通过与经典梯度提升决策树(GBDT)算法诊断结果相对比,结果表明XGBoost在风机主轴承故障预测的效率和准确度方面均优于GBDT算法,是处理SCADA大规模数据集的有效工具。     

基于特征选择和XGBoost的风机叶片结冰预测

风电场风机叶片积冰会造成风电机组的效率降低,严重时会导致叶片断裂,严重威胁风电场的正常生产运行。提出了一种基于Relief的特征选择和XGBoost的风机叶片结冰预测方法,能够根据风机运行的SCADA数据对叶片结冰的早期过程进行精确预测,并采用某风电场的2台风机数据进行模型验证和对比试验,取得了较好的预测精度,提升了预测速度,能够有效预测早期叶片结冰故障的发生,从而为降低风机的效率损失和风机的运行风险提供数据支撑。     

基于随机森林算法的企业非法集资风险预测

[目的]利用大量企业信息和机器学习算法建立企业非法集资风险预测模型,判断企业是否存在非法集资风险.[方法]本文根据企业相关信息,分别构建基于随机森林、LightGBM算法的企业非法集资风险预测模型,并对预测结果对比分析.[结果]实验结果表明,基于随机森林算法构建的企业非法集资风险预测模型得到的F1-score指标较高....     

风力机叶片的图像跟踪与识别算法研究

为及时发现、处理风力机叶片事故,提高风力发电的安全性和可靠性,针对中国现行风力发电的特点,采用图像跟踪技术,借助Adaboost算法对风力机叶片运行状态进行跟踪与识别研究,并提出了Adaboost算法缩短训练耗时间的改进方法。结果表明,改进后的算法可以减少训练分类器的时间,使跟踪、识别的实时性与准确性更为理想。     

基于 EfficientDet 的风机叶片缺陷检测方法

受工作环境恶劣等原因影响,风机叶片常会出现裂纹、凹坑等缺陷。针对当前常用目标检测算法对风机叶片小尺寸缺陷检测准确率低的问题,提出一种基于EfficientDet算法的风机叶片缺陷检测方法。首先采集图像数据并建立Pascal VOC格式的风机叶片缺陷图像数据集,然后对EfficientDet算法中的主干特征提取网络进行改进,减少向下采样次数并调整有效特征层从而增强主干特征提取网络对小尺寸缺陷的检测能力,同时为特征融合网络增加融合路径提升算法的多尺度特征融合能力,选用FReLU作为激活函数实现像素级空间信息建模,并通过Mosaic数据增强和Focal Loss损失函数增加小尺寸缺陷样本对于检测器的贡献。在建立的风机叶片缺陷图像数据集上的测试结果表明改进后的算法模型平均类别精度达到了96.15%,相较于原版的EfficientDet提升了3.77%,对小目标的检测性能有明显提升。     

碳纤维复合材料在风力发电机叶片中的应用

为了降低风电单位成本,风机功率不断提高,随之叶片长度也不断增加,使碳纤维在风电叶片中的应用成为必然。介绍了碳纤维在风电叶片上应用的优势和不足,以及解决的技术途径。     

安徽省2004年度汽轮机叶片重大事故的原因分析及处理

对安徽省2004年度汽轮机叶片发生几次事故的原因分析，表明与叶片共振，加工、组装、银焊工艺等因素有关。     

基于FBG和小波包能量谱的风机叶片无损检测

对风力发电设备而言,风机叶片界面脱粘分层和外表损伤为最常见的损伤类型。利用光纤光栅传感技术和小波包能量谱分析法,研究了表面冲击与风机叶片的外表损伤和界面脱粘分层互相作用时,该相互作用对冲击响应信号中心波长以及能量分布的影响。利用光纤光栅混合复用技术将美国微光公司的OS3100光纤光栅传感器布设成传感网络贴附在风机叶片的内表面,并对风机叶片进行表面冲击试验,试验中将传感器采集到的损伤产生的冲击响应信号进行解调后送至计算机,用MATLAB进行小波包能量谱分析和中心波长的提取,并与无损时的数据进行对比,发现有外表损伤时能量主要集中在高频段,无损伤时集中在低频段,并且存在界面脱粘分层时的冲击响应信号中心波长的变化范围远大于无损伤的时候,由此提出了通过对冲击响应信号能量分布和中心波长的监测实现风机叶片损伤预警的方法。该方法在检测过程中不会对风机叶片造成额外损伤,实现了无损检测的目标。     

基于SDW-LSI算法的风力机故障估计与容错控制

为了解决风力机桨距执行器故障导致的桨距角动态响应变慢和输出功率波动的问题,基于辨识理论和解析理论,提出了故障估计和容错控制方法。采用欧拉变换将二阶传递函数转化为辨识方程。利用滑动数据窗最小二乘迭代辨识算法估计桨距系统中的自然频率和阻尼系数。根据解析理论推导补偿函数,将所估计的参数反馈到补偿函数中,调整故障前后系统的关系,从而解决桨距角变慢和输出功率波动的问题。最后,选取桨距执行器液压油空气含量过高故障验证算法的可行性。     

近年来安徽电力系统汽轮机叶片故障及处理分析

文中较详细地介绍了安徽电力系统近年来发生的汽轮机叶片故障,并对故障原因进行了分析,针对原因对每起故障提出了处理措施,进行了有效处理,取得了应有效果,促进了机组的安全稳定运行文中还指出防止汽轮机叶片事故应加强的几方面工作。