發(fā)展低碳經(jīng)濟、開發(fā)和利用可再生能源,已成為全球能源戰(zhàn)略與可持續(xù)發(fā)展的核心問題。憑借技術(shù)手段成熟、商業(yè)化程度高、開發(fā)規(guī)模大等優(yōu)勢,風(fēng)力發(fā)電已成為全球增長速度最快的綠色能源。在風(fēng)電裝機容量的急速增加的同時,也帶來了產(chǎn)能過剩以及逐漸凸顯的質(zhì)量問題。在風(fēng)電機組運行環(huán)境惡劣,優(yōu)質(zhì)風(fēng)資源的逐漸減少,風(fēng)電行業(yè)偏向“重制造,輕管理”的現(xiàn)狀下,風(fēng)電機組關(guān)鍵部件故障頻頻發(fā)生,對機組的運行效益甚至電網(wǎng)的安全運行造成了嚴(yán)重影響。本文針對上述背景現(xiàn)狀,運用數(shù)據(jù)挖掘技術(shù),開展基于數(shù)據(jù)驅(qū)動的風(fēng)電機組故障診斷方法研究,以解決風(fēng)電機組部分組件的運行狀態(tài)特征挖掘、異常狀態(tài)檢測、故障識別與故障概率分析等問題,為風(fēng)電機組故障診斷系統(tǒng)的研發(fā)提供理論基礎(chǔ)。本論文具體研究工作如下:（1）針對風(fēng)電機組監(jiān)測信號之間存在耦合性與動態(tài)相關(guān)性的問題,提出了基于互信息的風(fēng)電機組動態(tài)特征挖掘方法。通過即時特征與延時特征構(gòu)造增廣特征矩陣,根據(jù)特征之間的互信息累計度量建立風(fēng)電機組監(jiān)測信號的動態(tài)特征矩陣,將動態(tài)特征矩陣中的特征參量作為風(fēng)電機組組件故障檢測模型的輸入。通過對比不同特征處理方式對風(fēng)電機組故障檢測性能的影響,驗證所提特征挖掘方法的有效性。該... 

【文章來源】：沈陽工業(yè)大學(xué)遼寧省

【文章頁數(shù)】：130 頁

【學(xué)位級別】：博士

【部分圖文】：

風(fēng)電機組可利用率調(diào)查Fig.1.3Surveyontheavailabilityofwindturbines風(fēng)電機組故障頻發(fā)造成巨額損失，已引起了國內(nèi)外學(xué)者和工程技術(shù)人員的極大關(guān)

沈陽工業(yè)大學(xué)博士學(xué)位論文182.3FAST風(fēng)電機組仿真模型2.3.15MW海上風(fēng)電機組模型近些年，5MW已成為風(fēng)電機組的主流級別，本課題仿真機型將參考美國國家能源實驗室（Nationalrenewableenergylaboratory，NREL）的5MW海上風(fēng)電機組中的參數(shù)。NREL在MultibridM5000與Repower5M兩種機型的風(fēng)電機組基礎(chǔ)上，結(jié)合DOWEC，WindPACT以及RECOFF[86,87]項目里提出的概念模型，最終獲得的機型參數(shù)。NREL-5MW海上風(fēng)電機組和漂浮式的平臺結(jié)構(gòu)如圖2.1所示，表2.1為對風(fēng)電機組參數(shù)的統(tǒng)計�？紤]仿真過程不支持對預(yù)先彎曲模擬，因此通過2.5°逆風(fēng)方向的預(yù)錐角進行模擬。在表2.1中不計葉片錐角對風(fēng)輪直徑的影響，此外，葉片錐角也會減小風(fēng)輪的直徑與掃掠的面積。圖2.1NREL-5MW風(fēng)電機組與浮式平臺結(jié)構(gòu)Fig.2.1NREL-5MWwindturbineandthestructureoffloatingplatform2.3.2數(shù)據(jù)描述在2002年，美國國家可再生能源實驗室開發(fā)了FAST（Fatigue,Aerodynamics,Structures,andTurbulence，F(xiàn)AST）[88]風(fēng)電機組模擬程序，其具備模擬海上風(fēng)力機運行情況的能力。FAST模型選用的風(fēng)電機組及其浮式基礎(chǔ)的自由度包括葉片的揮舞和擺振運動、轉(zhuǎn)子的轉(zhuǎn)動、傳動軸的扭矩、機艙或者轉(zhuǎn)子的偏航、塔架的一階的模態(tài)屈曲運動以及平臺的六個自由度的運動，最多可以達(dá)到24個。與GHBladed相比較，F(xiàn)AST能夠提供較多的自由度，而且在建立傳統(tǒng)風(fēng)力機機型時，F(xiàn)AST可以更為方便地建立動

沈陽工業(yè)大學(xué)博士學(xué)位論文262.4GW77-1.5MW風(fēng)力發(fā)電機變槳系統(tǒng)描述2.4.1風(fēng)電機組結(jié)構(gòu)與參數(shù)由金風(fēng)公司研發(fā)的GW77-1.5MW直驅(qū)永磁風(fēng)力發(fā)電機組由三段塔筒、機艙、發(fā)電機、輪轂和三個葉片組成，其整體部件圖如圖2.5所示，詳細(xì)風(fēng)電機組參數(shù)如表2.6所示[97]。1.葉片2.變槳系統(tǒng)3.輪轂4.發(fā)電機轉(zhuǎn)子5.發(fā)電機定子6.偏航系統(tǒng)7.測風(fēng)系統(tǒng)8.輔助提升機9.頂艙控制柜10.底座11.塔架圖2.5金風(fēng)GW77-1.5MW風(fēng)電機組整體部件圖Fig.2.5IntegralcomponentdiagramsofgoldwindGW77-1.5MWwindturbine表2.6GW77-1.5MW風(fēng)電機組參數(shù)Tab.2.6ParametersofGW77-1.5MWwindturbine風(fēng)電機組指標(biāo)參數(shù)額定功率(Pn)1.5MW風(fēng)輪方向及配置逆風(fēng)式，3葉片葉輪直徑76.84m掃風(fēng)面積4637.3m3輪轂高度65m切入、額定、切出風(fēng)速3m/s，11.5m/s，22m/s額定轉(zhuǎn)速17.3r/min極大風(fēng)速59.5m/s運行溫度范圍-30°C至40°C機組生存溫度-40°C至50°C設(shè)計使用壽命20年2.4.2電動變槳系統(tǒng)描述風(fēng)電機組各組件故障頻發(fā)，對風(fēng)電機組故障診斷的研究重點，逐漸從主軸承和齒

【參考文獻(xiàn)】：
期刊論文
[1]考慮故障相關(guān)性的風(fēng)電機組維修策略[J]. 逯紅霞,張蕊萍,董海鷹.  可再生能源. 2020(04)
[2]基于數(shù)據(jù)分類重建的風(fēng)電機組故障預(yù)警方法[J]. 劉帥,劉長良,甄成剛.  儀器儀表學(xué)報. 2019(08)
[3]風(fēng)電機組變工況變槳系統(tǒng)異常狀態(tài)在線識別[J]. 王爽心,郭婷婷,李蒙.  中國電機工程學(xué)報. 2019(17)
[4]基于狀態(tài)曲線的風(fēng)電機組運行工況異常檢測[J]. 孫群麗,劉長良,周瑛.  熱力發(fā)電. 2019(07)
[5]基于Pareto折中解的風(fēng)電裝機規(guī)劃多目標(biāo)優(yōu)化方法[J]. 趙傳,戴朝華,周彤昕,袁爽,陳維榮,廖國棟.  太陽能學(xué)報. 2019(06)
[6]A New Method of Wind Turbine Bearing Fault Diagnosis Based on Multi-Masking Empirical Mode Decomposition and Fuzzy C-Means Clustering[J]. Yongtao Hu,Shuqing Zhang,Anqi Jiang,Liguo Zhang,Wanlu Jiang,Junfeng Li.  Chinese Journal of Mechanical Engineering. 2019(03)
[7]基于動態(tài)特征矩陣的k近鄰風(fēng)電機組故障檢測方法[J]. 錢小毅,張宇獻(xiàn).  儀器儀表學(xué)報. 2019(06)
[8]基于最佳葉尖速比的風(fēng)電機組靜態(tài)偏航誤差分析及檢測方法[J]. 許佳妮,高峰.  電力科學(xué)與工程. 2019(05)
[9]基于數(shù)據(jù)驅(qū)動的風(fēng)電機組狀態(tài)評估方法研究[J]. 孫培旺,張磊,肖成,郭瑩瑩.  可再生能源. 2019(03)
[10]我國風(fēng)能資源評估的主要問題及原因分析[J]. 李小兵,王瀟.  風(fēng)能. 2019(01)

博士論文
[1]基于模糊規(guī)則的知識發(fā)現(xiàn)與表示研究[D]. 王顯昌.大連理工大學(xué) 2015
[2]基于免疫算法的風(fēng)電系統(tǒng)故障診斷技術(shù)研究[D]. 吳洪兵.南京航空航天大學(xué) 2014

碩士論文
[1]基于人工智能算法的風(fēng)電機組故障診斷研究[D]. 安永燦.長春工業(yè)大學(xué) 2019
[2]基于隨機森林和XGBoost的大型風(fēng)力機故障診斷方法研究[D]. 錢力揚.浙江大學(xué) 2018
[3]基于改進EEMD的風(fēng)電機組行星齒輪箱故障診斷研究[D]. 周文磊.上海電力學(xué)院 2017
[4]風(fēng)電機組典型故障維修決策[D]. 王瑞.華北電力大學(xué)(北京) 2016
[5]基于可解釋變異性的主元選取方法[D]. 郭家豪.華北電力大學(xué)(北京) 2016
[6]風(fēng)力發(fā)電機狀態(tài)監(jiān)測與故障診斷系統(tǒng)的研究與實現(xiàn)[D]. 童國煒.華北電力大學(xué) 2015
[7]基于數(shù)據(jù)統(tǒng)計分析的變槳系統(tǒng)故障預(yù)警方法[D]. 鐘陽.華北電力大學(xué) 2015
[8]風(fēng)力發(fā)電機的整機故障診斷[D]. 楊靜懿.東華大學(xué) 2014
[9]基于FAST軟件的大型風(fēng)力發(fā)電機組系統(tǒng)建模與控制研究[D]. 熊海洋.重慶大學(xué) 2014
[10]基于解析模型的風(fēng)力發(fā)電機組魯棒故障診斷方法研究[D]. 孫巖.中南大學(xué) 2013



本文編號：3018203