基于AHP的风电机组变桨系统权重分析

在风电场远程监控系统中,能够实现风电场中风电机组的故障诊断与预测,对于风电机组的安全、稳定、经济运行具有重要意义。在风电场监控系统中只是对风电机组单个参数进行实时监控,当监控系统某一参数超过阈值范围时,无法确定风电机组中某个具体部件存在问题。因此分析风电机组远程监控系统中实时参数对风电机组中设备的权重影响变得极为重要。本文旨在对风电机组中故障率频发的变桨系统进行深入探究,针对影响变桨系统故障的各项因素,运用APH方法进行权重评估,得出各个因素对变桨系统的影响程度,从而更加准确地判断出变桨系统的故障原因。     

互补集合经验模式分解与奇异值能量谱在风电齿轮故障识别中的应用

针对风电机组齿轮系统故障模式的有效识别问题,提出一种互补集合经验模式分解(CEEMD)与奇异值能量谱相结合的故障识别方法。利用CEEMD将齿轮非平稳信号分解为有限个平稳的本征模态函数,并将其组成初始特征向量矩阵,对矩阵进行奇异值分解并求出风电齿轮不同工况下的奇异值能量谱分布,以奇异值能量谱为元素构造特征向量,通过计算不同工况振动信号的灰色关联度来判断齿轮的故障类型。实例表明,该方法能有效应用于风电机组齿轮系统的故障诊断。     

基于AHP方法的在役风电机组安全检测技术研究

确保风电机组安全可靠运行具有重要的工程意义,文中提出对在役风电机组进行安全检测的技术体系,明确了采用层次分析法(AHP)对在役风电机组的安全评价方法.解决了各项安全检测技术的权重问题,并综合了专家的经验和意见,对风电机组的安全评价具有较好的研究意义.     

基矛AHP方法的在役风电机组安全检测技术研究

确保风电机组安全可靠运行具有重要的工程意义，文中提出对在役风电机组进行安全检测的技术体系，明确了采用层次分析法（AHP）对在役风电机组的安全评价方法，解决了各项安全检测技术的权重问题，并综合了专家的经验和意见，对风电机组的安全评价具有较好的研究意义。     

独立微网风电机组谐波特性多目标优化分析

针对分布式永磁风电机组在独立微网中的谐波恶化问题,文章对不同匹配方式的风电机组开展谐波测试。选择电流谐波畸变率(THDi)和电压谐波畸变率(THDu)综合评价独立微网谐波,采用博弈策略改进多目标优化,提出基于权重分析法的微网谐波评价方案。结果表明:选择合适的机组类型以及调节机组叶尖速比可有效降低微网谐波;基于权重分析法赋予各评价指标权重系数,借助多目标优化法求解微网中发电侧谐波极小分布区域。提出微网谐波评价的精确分析和可行性评价方法,为优化独立微网电能质量奠定基础。     

基于融合理论的风电机组状态评价正态云模型

针对目前风电机组状态评价中关键参数确定方法客观性不足的问题,以及对关键部件劣化程度准确掌握的需求,提出一种基于证据融合理论及正态云模型的风电机组状态综合评价方法。该方法引入修正温度的概念,利用环境温度(T_e)和有功功率(P)对温度参数进行修正来确定修正阈值;引入DSmT理论中的PCR5融合规则对权重进行融合;利用3εn准则确定评价模型的数字特征,从而提高了模型中关键参数确定的客观性。最后,利用某风场1.5 MW直驱式机组的SCADA数据进行验证。结果表明,该文方法可在故障发生前得出状态已成逐渐下降的趋势的结论,对机组早期缺陷发出报警,从而达到整机状态预警的目的,对运维有指导意义。     

风电机组滚动轴承复合故障诊断研究

针对在强风电机组背景噪声下进行滚动轴承复合故障诊断时,由于故障之间的相互联系、交叉影响使得多种故障特征混叠在一起,易造成漏诊、误判等问题,提出一种基于多点最优调整的最小熵解卷积(multipoint optimal minimum entropy deconvolution adjusted,MOMEDA)与1.5维能量谱相结合的风电机组滚动轴承复合故障诊断方法;首先利用MOMEDA算法对原始滚动轴承振动信号进行解卷积预处理;然后对解卷积信号进行1.5维能量谱分析;最后通过分析谱图中幅值突出的频率成分来判断故障类型。仿真信号和应用实例分析结果表明,该方法能够有效提取出在强背景噪声下的复合故障特征,实现风电机组轴承复合故障的准确诊断。     

主成分-灰色关联分析方法的风电机组齿轮箱故障诊断

针对风电机组变工况运行造成设备故障诊断困难的问题,提出了主成分-灰色关联分析方法,解决风电机组齿轮箱故障诊断问题。通过阶比重采样方法对信号进行预处理,消除原始数据非线性带来的不良影响;考虑到信号能量变化会对分析带来误差,用无量纲参数作为故障诊断的特征数据;应用主成分-灰色关联分析法,对各特征参数赋予权重,增强了分析数据与故障特征间的关联性,提高了故障诊断精度。试验及实际应用结果分析表明,文章所提出的方法能够较准确地对风电机组齿轮箱故障进行诊断。     

三角模糊数在水电工程风险识别中的应用

为实现风险因素识别的数量化和科学化、提高风险识别的效果,基于水电工程特点,提出在风险因素识别中引入三角模糊数法进行量化研究,构建了施工过程中风险评价指标体系,计算了三角模糊数风险判断矩阵的期望值,并对互补判断矩阵进行排序进而获得风险指标权重.计算结果表明,该方法可实现识别水电工程中存在的风险.     

XGBoost算法在风电机组发电机故障监测预警中的应用研究

发电机作为整个风电机组的核心部件之一,其能否正常运行将严重影响风电机组的持续发电。利用集成机器学习算法中的梯度提升算法XGBoost对风电机组发电机故障监测预警进行研究。首先,提取数据采集与监控(SCADA)系统数据库中风电机组在并网状态下的正常运行大数据,对缺失、异常数据进行预处理后,结合运维专家经验利用XGBoost算法筛选出关键特征变量;然后经过训练和参数调整,建立最优风电机组发电机故障监测预警模型;通过对照研究发现,XGBoost算法对风电机组发电机进行故障监测预警的效果优于随机森林算法和Cat Boost算法;最后利用关键特征变量重要性排序作为风电机组发电机故障诊断与定位的参考。