基于状态监测的风电机组主轴承早期故障预测方法

利用风电机组实时监测数据来研究主轴承温度与其潜在故障之间的关系,提出一种基于温度预测模型的风电机组主轴承在线故障预测方法。首先建立正常运行状况下主轴承温度的线性回归分析预测模型,提出可表示系统实际运行状态和预测状态之间偏差的判别函数,通过比较判别函数值与设定门槛值来监控主轴承的运行状态。理论分析和仿真结果表明,该方法所用模型鲁棒性好,提取的故障特征明显,可有效地预测在线风电机组主轴承潜在的故障。     

采用GA-BPNN与TLS模型的风电机组异常辨识方法

基于反向传播神经网络(BPNN)建立了风电机组状态参数预测模型,并采用遗传算法(GA)对BPNN模型的初始权重与阈值进行优化,有效消除环境因素对风电机组状态参数的影响;采用TLS(t-location scale)分布模型刻画不同风速区间下预测残差的分布特性,基于矩估计方法实现TLS分布参数估计,并在此基础上提出了计及风速影响的状态残差异常程度量化指标。以某风电场的1.5 MW双馈风电机组为例进行了异常分析,结果验证了模型的有效性和准确性。     

采用预测模型与模糊理论的风电机组状态参数异常辨识方法

为提高风电机组的停运预警能力,基于风电场数据采集与监控(SCADA)系统数据提出了一种风电机组状态参数的异常辨识方法。对参数进行划分,针对与环境因素密切相关的状态参数,采用神经网络建立了状态参数预测模型。采用本机组近期SCADA样本、本机组历史样本和其他机组近期样本分别作为预测模型的训练数据,对比分析了基于3类样本建立的模型的预测精度。采用平均绝对误差对基于本机组历史样本和其他机组近期样本建立的预测模型进行选择。定义了异常程度指标量化预测残差的异常程度。为了提高异常辨识的精度,采用模糊综合评判对筛选出的预测模型的异常辨识结果进行融合。最后,以国内某风场的1.5 MW风电机组为例进行了异常分析,并与传统的风电机组状态参数异常检测方法进行了对比,实例分析结果表明所提出的异常辨识方法具有更高的准确性。     

风电机组中的风电轴承

我国风电轴承与国外差距较大,材料是主要因素,其次为风电轴承设计、工艺水平和工艺装备。轴承是国民经济的战略物资,装备制造业的关键基础件。轴承属于风电机组的核心零部件。风电轴承的范围涉及从叶片、主轴和偏航所用的轴承,到齿轮箱和发电机中所用的高速轴承。总体来说,轴承是风力机械中的薄弱部位。特别是用于齿轮箱、主轴和发电机上的大     

基于性能改善深度置信网络的风电机组主轴承状态分析

针对风电机组数据采集与监视控制系统采集的状态数据具有大容量、多样性的特点,充分利用该数据研究风电机组主轴承的状态分析方法成为了重要问题。采用深度学习方法分析风电机组主轴承变量间的特征规则,提取反映主轴承状态的特征变量;通过指数加权移动平均法设定阈值检测特征变量的变化趋势,判定异常状态的发生;根据深度置信网络的特点,从数据集变量的异常数据剔除、训练数据批次的选择、参数调优的迭代周期以及在线学习训练等方面对模型性能进行优化和改善,从而使得深度置信网络能够充分挖掘数据集的信息特征,达到有效地反映主轴承状态的目的。通过对主轴承发生故障前、后记录的数据进行仿真分析,结果验证了深度置信网络方法对主轴承状态监测的有效性。     

采用信息熵和组合模型的风电机组异常检测方法

充分利用现有数据采集与监控系统的数据是当前提高风电机组运行可靠性最迅速、有效的方式。首先根据风电场数据采集与监控数据,确定了风电机组状态参数和监测数据的风速范围;其次,建立了分别基于反向传播神经网络和最小二乘支持向量机的单项模型,分析了各单项模型的权重分布,并建立了较优的组合预测模型;最后,引入信息熵的概念对残差数据进行了处理,提出了风电机组状态参数的异常检测方法。验证结果表明,所提方法能准确检测出不同风电机组的发电机轴承温度异常,同时为风电机组的异常识别、故障预警奠定了基础,可为风电场工作人员制定维修策略提供参考信息,具有重要的工程价值。     

基于负线损分析的计量异常辨识方法

供电侧计量异常是造成分线线损率统计值为负值的一个重要原因,考虑到计量异常原因较多,仅靠现场排查难度很大。为了克服这一难题,本文提出了一种基于负线损分析的计量异常辨识方法。为了保证分析的全面性和客观性,结合实际运行情况和国家标准,对互感器及其二次回路、电能表等做了详细分析,并提炼了造成负线损超标的主要原因。为了提高现场排查效率,推导了计量异常前后线损率变化关系,并结合数据分析和故障预判提出了计量异常辨识方法,能够在现场排查前分析出可能的异常原因,提升现场核查的准确性。最后,通过实际算例计算,验证了所提方法的有效性。     

基于MCKD-EMD的风电机组轴承早期故障诊断方法

风电机组轴承处于早期故障阶段时,特征信号往往比较微弱,并且受环境噪声及信号衰减的影响严重,因此轴承早期故障特征一直难以提取。经验模态分解(EMD)在轴承的故障特征提取中已经得到了广泛的应用,但其在强背景噪声干扰下对轴承早期故障特征的提取具有一定的局限性。针对这一问题,考虑到最大相关峭度解卷积(MCKD)算法可凸显出轴承振动信号中被噪声所掩盖的故障冲击脉冲,非常适用于轴承早期故障信号的降噪处理,因此将MCKD与EMD相结合用于轴承早期故障诊断。用MCKD对强噪声轴承信号进行降噪,然后对降噪后的信号进行EMD,选取敏感本征模态函数(IMF)并计算其包络谱,通过分析包络谱中幅值凸出的频率成分判断故障类型。仿真和试验分析结果验证了所提方法的有效性和准确性。     

基于PSO算法的1000MW机组主汽温系统辨识

针对某电厂在二级过热器喷水减温扰动下的主汽温对象的动态特性,提出了基于电厂运行历史数据的主汽温系统粒子群(PSO,Particle Swarm Optimization)辨识方法,建立了主汽温对象的动态数学模型,并用不同运行期间的数据对模型进行验证,仿真结果表明,建立的主汽温模型是比较准确的。     

基于状态识别和遗传算法的双馈风电机组参数辨识方法

风力发电机及其控制系统参数对机组动态特性及电力系统安全性和稳定性有重要影响。应用遗传算法对双馈风力发电机及其控制系统进行参数识别,为了提高参数辨识精度,将原始量测数据曲线分为三个阶段,分别为:故障阶段、功率恢复阶段和状态恢复阶段。遗传算法主要用于以上三个阶段的划分和每个阶段内的参数辨识,在故障阶段主要辨识故障参数,在功率恢复阶段主要辨识风机保护系统参数,在状态恢复阶段主要辨识风机控制系统参数。在遗传算法的每一次迭代中,对每一遗传因子所代表的参数组进行电网时域仿真,评价函数用来计算量测数据曲线与仿真曲线的偏差。通过实验测试表明该方法是有效的。     

基于五点等效法的海上风机运行荷载识别研究

可靠的荷载时程是评估风机剩余生命周期和疲劳的关键因素,但长期的荷载监测不可行.本文针对海上风机结构振动特性和荷载特点,采用五点等效法识别风机运行荷载.该方法克服了初始值影响,降低误差传递和累计误差,提高荷载识别稳定性和鲁棒性.首先采用弹质阻尼模型验证识别荷载的准确性和精度,并讨论噪声对识别方法的影响;然后将识别方法应用...     

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。     

考虑最小成本的风机轴承维护周期优化

针对风机主轴承可靠度要求高、维护费用高昂这一现状提出了一种基于单位时间维护成本最低的维护优化模型。首先通过对风机主轴承振动信号进行分析,提取能够较好地反映轴承退化过程的特征值,建立威布尔比例风险模型;其次对主轴承退化期内的失效率曲线进行分析,确定主轴承的失效更换阈值;然后通过改进传统的役龄回退因子对维护后的失效率进行修正,通过对模型运算结果进行分析,避免了定期维护出现欠维护的现象;最后确定单位时间内维护成本最优的维护周期。对维护优化模型进行仿真分析,计算结果表明,通过模型优化可以使单位时间维护费用降低14.4%。     

基于测试数据的直驱永磁风电机组简化等值建模和参数辨识

风电机组工作状态可以分为正常、故障和故障恢复过程,故障期间和故障恢复过程中变流器的控制策略会改变.分析直驱永磁风电机组电压跌落测试数据,机组外特性存在逻辑判断、限幅等强非线性环节,难以进行机理建模.对机组进行非机理建模,根据机组输出的外特性构建其简化模型,其中阻抗反映机组短路电流特性,电流源控制回路反映机组功率输出特性.电流源控制回路根据直驱永磁风电机组定功率、定电压的控制特性构建,其考虑了控制目标、时间常数、限幅以及逻辑等环节.简化模型中的参数通过电压跌落实测数据辨识获得.仿真结果表明所提模型能准确反映机组在电压跌落过程中的特性,满足暂态稳定分析的要求.     

Sensor fault detection and isolation for wind turbines based on subspace identification and Kalman filter techniques

This paper aims at the blade root moment sensor fault detection and isolation issue for three‐bladed wind turbines with horizontal axis. The underlying problem is crucial to the successful application of the individual pitch control system, which plays a key role for reducing the blade loads of large offshore wind turbines. In this paper, a wind turbine model is built based on the closed loop identification technique, where the wind dynamics is included. The fault detection issue is investigated based on the residuals generated by dual Kalman filters. Both additive faults and multiplicative faults are considered in this paper. For the additive fault case, the mean value change detection of the residuals and the generalized likelihood ratio test are utilized respectively. For multiplicative faults, they are handled via the variance change detection of the residuals. The fault isolation issue is proceeded with the help of dual sensor redundancy. Simulation results show that the proposed approach can be successfully applied to the underlying issue. Copyright © 2009 John Wiley & Sons, Ltd.     

基于非参数核密度估计与数值天气预报的风速预测修正方法

提出一种风速预测偏差修正方法。建立基于非参数核密度估计的风速修正模型,利用预测点之前一段时间内风速的初始预测误差来估计预测时刻的预测误差,从而对初始风速预测结果进行修正;结合数值天气预报法建立风速相位误差修正模型,有效减小风速预测的相位误差,在一定程度上防止风速突变拐点处"误修正"的出现。某地区实际风速数据的预测仿真结果表明,所提方法可有效降低初始风速预测偏差。     

基于风速升降特性及支持向量机理论的异常数据重构算法

风电机组历史功率数据是进行风电研究的重要基础,而风电机组实际采集到的数据中存在大量的异常数据,这给风电功率预测研究带来许多不利影响。对历史数据的风速-功率对应关系进行研究,识别并剔除异常数据。分析风速升降变化对功率的影响,建立SVM数据重构模型。根据风速升降特性及强相关风电机组的出力特性对数据重构模型加以改进。以风电机组的实测数据为例进行仿真计算,结果表明所述方法能够对异常数据进行有效地识别和重构。     

基于VEITD和OSMHD的风电机组轴承损伤识别

针对风力发电机轴承损伤信号易被强噪声干扰导致损伤特征提取困难的问题,提出了一种基于可变熵加权融合的固有时间尺度分解和优化稀疏最大谐波噪声比解卷积法相结合的风力发电机轴承损伤识别方法。采用固有时间尺度分解方法对原始信号进行分解,得到若干个固有旋转分量。利用可变熵对固有旋转分量进行加权融合。使用优化稀疏最大谐波噪声比解卷积法对加权融合信号进行处理,提取轴承损伤特征频率。试验台数据和风力发电机现场数据分析结果表明,所提方法对轴承损伤信号中的噪声抑制效果明显,能够准确提取风力发电机轴承损伤特征频率,实现风力发电机轴承的损伤识别。