風電場的風速和主軸的故障信號是在線監(jiān)測系統(tǒng)的監(jiān)測信號,風速對風電場的發(fā)電量有著決定的關系,也直接影響風電場的調度；主軸的故障將導致機械傳動鏈故障,主軸故障嚴重時風力發(fā)電機組將直接停機。本文主要講述了風電場風速的預測和主軸的故障診斷,采用時間序列法對某電場的24小時數(shù)據(jù)進行短期風速預測,通過AR、ARIMA模型對預測風速結果進行比較；利用小波變換對CWRU Bearing Test Data Center實驗數(shù)據(jù)進行故障診斷,根據(jù)已計算出故障頻率較好診斷主軸故障。 

【文章來源】：華北電力大學(北京)北京市 211工程院校 教育部直屬院校

【文章頁數(shù)】：66 頁

【學位級別】：碩士

【文章目錄】：
中文摘要
英文摘要
第一章 引言
    1.1 選題背景及意義
    1.2 國內外研究現(xiàn)狀
        1.2.1 風速預測
        1.2.2 振動故障診斷
    1.3 本文研究內容
第二章 時間序列
    2.1 時間序列的分析概述
    2.2 ARMA時間序列
        2.2.1 白噪聲時間序列
        2.2.2 AR(Auto regressive)自回歸模型氣化影響因素分析
        2.2.3 MA(Moving Average)移動平均模型
        2.2.4 ARMA(Auto Regressive Moving Average)模型
        2.2.5 ARIMA(Autoregressive Integrated Moving Average)模型
    2.3 差分法
    2.4 時間序列模型結構識別與定階方法
        2.4.1 AR(p)模型的定階
        2.4.2 ARMA(p,q)模型的定階
第三章 時間序列在風速預測上的應用
    3.1 風速時間序列
    3.2 風速時間序列的預處理
        3.2.1 提取序列
        3.2.2 ARMA(p,q)平穩(wěn)性
    3.3 風速預測模型的識別、定階及參數(shù)的確定
        3.3.1 AR(p)模型
        3.3.2 ARIMA(p,d,q)模型
    3.4 風速預測
        3.4.1 基于模型AR(3)的風速預測
        3.4.2 基于模型ARIMA(6,5,1)的風速預測
    3.5 模型檢驗與預測結果
        3.5.1 模型檢驗
        3.5.2 不同模型的預測效果比較
第四章 小波分析的基本理論
    4.1 小波變換概述
    4.2 時間—頻率局域化分析
    4.3 小波分析理論
        4.3.1 連續(xù)小波變換
        4.3.2 離散小波變換
            4.3.2.1 離散小波變換
            4.3.2.2 二進小波變換
            4.3.2.3 正交小波和小波級數(shù)
    4.4 小波分解與重構
        4.4.1 多分辨分析
        4.4.2 正交小波基的構造
        4.4.3 離散小波分解與重構
        4.4.4 常用小波函數(shù)
            4.4.4.1 小波基的數(shù)學特性
            4.4.4.2 小波函數(shù)
第五章 風力發(fā)電機組主軸的故障診斷
    5.1 風力發(fā)電機組的主軸故障
    5.2 小波時間序列分析主軸的故障
        5.2.1 軸承的內圈故障
        5.2.2 軸承的外圈故障
        5.2.3 軸承的滾動體故障
    5.3 小結
第六章 結論與展望
參考文獻
致謝
在校期間發(fā)表的學術論文和參加科研情況


【參考文獻】：
期刊論文
[1]兆瓦級風力發(fā)電機故障診斷[J]. 陳長征,梁樹民.  沈陽工業(yè)大學學報. 2009(03)
[2]基于專家系統(tǒng)的風力機機艙故障診斷研究[J]. 張彥南,張禮達.  云南水力發(fā)電. 2009(03)
[3]小波支持向量機在滾動軸承故障診斷中的應用[J]. 郭磊,陳進,朱義,肖文斌.  上海交通大學學報. 2009(04)
[4]基于RBF神經(jīng)網(wǎng)絡的風力發(fā)電機組故障診斷研究[J]. 楊偉,賈石峰.  電氣傳動自動化. 2009(02)
[5]基于信息熵神經(jīng)網(wǎng)絡的風力發(fā)電機故障診斷方法研究[J]. 張來斌,崔厚璽,王朝暉,段禮祥.  機械強度. 2009(01)
[6]基于風速預測和隨機規(guī)劃的含風電場電力系統(tǒng)動態(tài)經(jīng)濟調度[J]. 孫元章,吳俊,李國杰,何劍.  中國電機工程學報. 2009(04)
[7]風速時間序列的非線性特性分析[J]. 柳亦兵,李虎,馬志勇,辛衛(wèi)東.  華北電力大學學報(自然科學版). 2008(06)
[8]風力機狀態(tài)監(jiān)測與故障診斷技術研究[J]. 蔣東翔,洪良友,黃乾,丁勇山.  電網(wǎng)與清潔能源. 2008(09)
[9]風電場風速短期多步預測改進算法[J]. 潘迪夫,劉輝,李燕飛.  中國電機工程學報. 2008(26)
[10]基于Box-Cox變換的風電場短期風速預測模型[J]. 栗然,王粵,曹磊.  現(xiàn)代電力. 2008(04)

博士論文
[1]基于模型的時間序列數(shù)據(jù)挖掘[D]. 段江嬌.復旦大學 2008
[2]基于小波理論的變形分析模型研究[D]. 文鴻雁.武漢大學 2004

碩士論文
[1]雙饋式風力發(fā)電機組故障診斷的方法及實現(xiàn)[D]. 關新.沈陽工業(yè)大學 2009
[2]多維ARMA模型的譜估計及預測方法[D]. 郭艷鸝.西南交通大學 2008
[3]基于小波神經(jīng)網(wǎng)絡的混沌時間序列建模研究[D]. 殷佳.大連理工大學 2007
[4]時間序列挖掘技術及其在短期電力負荷預測中的應用研究[D]. 李鎖花.東南大學 2006
[5]基于時間序列相似性的數(shù)據(jù)挖掘方法研究[D]. 張軍.東南大學 2006
[6]時間序列挖掘與預測研究[D]. 韓雪梅.浙江大學 2006



本文編號：3536975