隨著人類逐步實(shí)現(xiàn)工業(yè)化,氣候環(huán)境以及能源的問題越來越多,可再生的綠色環(huán)保能源成為應(yīng)對(duì)能源危機(jī)的關(guān)鍵措施。風(fēng)能的利用歷史悠久,利用手段較為成熟,因此其成為目前清潔能源中最熱門的一種。在風(fēng)速及風(fēng)向多變的場(chǎng)所,尤其是海上風(fēng)場(chǎng),因其動(dòng)作頻繁多變,機(jī)組磨損損耗較大,系統(tǒng)的故障時(shí)常發(fā)生。需要及時(shí)可靠的發(fā)現(xiàn)其故障同時(shí)采取可靠合理的處理措施降低其影響。因此研究學(xué)習(xí)其動(dòng)態(tài)性能與控制特征,對(duì)于達(dá)到延長(zhǎng)風(fēng)力機(jī)使用壽命,提高安全可靠工作的時(shí)間以及削減不必要的維護(hù)運(yùn)行費(fèi)用擁有至關(guān)重要的意義。本文采取模型故障預(yù)測(cè)的方法論,對(duì)風(fēng)力機(jī)的液壓變槳系統(tǒng)完成故障預(yù)測(cè):（1）首先根據(jù)液壓變槳距系統(tǒng)的運(yùn)行控制過程,建立了風(fēng)機(jī)中其它關(guān)鍵部件的數(shù)學(xué)模型,用來構(gòu)成液壓變槳距系統(tǒng)進(jìn)行故障檢測(cè)的自適應(yīng)觀測(cè)器模型,并使之與實(shí)際風(fēng)機(jī)系統(tǒng)并行運(yùn)行,形成殘差值。之后處理變換殘差信息,提煉出故障信息,在考慮固定傳輸延遲和丟包率后,再將存在噪聲等原因?qū)е碌臍埐畹淖畲笾底鳛楣收吓袆e的閾值。在以上情況的基礎(chǔ)上,在MATLAB中編寫仿真程序,完成液壓變槳距角故障判別。（2）在風(fēng)機(jī)模型的基礎(chǔ)上,再結(jié)合自適應(yīng)參數(shù)理論,達(dá)到對(duì)變槳系統(tǒng)的精確辨識(shí)。本文建立了雙延... 

【文章來源】：上海電機(jī)學(xué)院上海市

【文章頁(yè)數(shù)】：73 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

017年全球新增裝機(jī)分區(qū)域占比情況

上海電機(jī)學(xué)院碩士學(xué)位論文-4-（96.4GW）、德（59.3GW）、印度（35GW）、西班牙（23GW）、英（20.7GW）、法（15.3GW）、巴西（14.5GW）、加拿大（12.8GW）、意（10.1GW）。圖1-12008年至2018年全球風(fēng)機(jī)裝機(jī)累計(jì)容量Fig.1-1Theglobalcapacityofinstalledwindturbinestotallyfrom2008to2018據(jù)此以外，歐洲宣稱：于2021年初，完成新能源比重超于34%的突破，其中風(fēng)電比重為一半，為實(shí)現(xiàn)目標(biāo)，預(yù)計(jì)風(fēng)電年均投入突破2.35百億歐元。投資報(bào)告顯示，陸上風(fēng)電比重62.6%，海上風(fēng)場(chǎng)占比37.4%，總計(jì)容量會(huì)突破實(shí)現(xiàn)2.3億千瓦時(shí)。圖1-22017年全球新增裝機(jī)分區(qū)域占比情況Figure1-2Theproportionofnewinstalledbasesintheworldin2017如圖1-2、1-3顯示，風(fēng)電消費(fèi)主力依舊亞洲。從2009年至今，亞洲風(fēng)電消費(fèi)早已成為主力。從圖上，易發(fā)現(xiàn)亞洲在2017年度變化裝機(jī)量突破了24.4GW，比重已超越46.5%。但該年度新增量下降的關(guān)鍵緣由就是亞洲區(qū)域的同比降落約

上海電機(jī)學(xué)院碩士學(xué)位論文-5-11.9%。據(jù)GWEC展望，在2018年不斷修整后，亞洲區(qū)域有望在來年突破有史以來的增長(zhǎng)，突破性達(dá)到17%。但后勁不足，增速趨于穩(wěn)定。依據(jù)分析，有望在2022年前后，實(shí)現(xiàn)新增量達(dá)到31.1GW的突破，年均復(fù)合增長(zhǎng)度已至5.0%，成為風(fēng)電市場(chǎng)的消費(fèi)主力。圖1-32010-2022年亞洲新增裝機(jī)規(guī)模統(tǒng)計(jì)和預(yù)測(cè)（GW）Figure1-3StatisticsandForecastsofNewInstalledScalesinAsiain2010-2022(GW)如下圖1-4、圖1-5顯示得，北美風(fēng)電消費(fèi)市場(chǎng)穩(wěn)步前進(jìn)的推動(dòng)策略有下面兩個(gè)：墨西哥能源變革的加快推進(jìn)，持續(xù)加強(qiáng)新興能源的引入使用、美國(guó)延續(xù)其PTC（風(fēng)電生產(chǎn)稅抵免）政策至2020年度。據(jù)GWEC展望，在2018年度，北美地區(qū)將突破21.2%速率增長(zhǎng)，新增裝機(jī)有望在2020年度沖破12.5GW大關(guān)，此后兩年間的均增率將突破到16.8%。與此相反的是歐洲市場(chǎng)，其速率可能下滑。從數(shù)據(jù)中分析，在2017年度的歐洲市場(chǎng)，新增添容量為16.8GW，速率為突破25%的迸發(fā)式增加，同時(shí)也是該年市場(chǎng)萎靡情況下的唯一增長(zhǎng)消費(fèi)市常但依據(jù)全球風(fēng)能理事會(huì)的最新統(tǒng)計(jì)，歐洲市場(chǎng)在2018年度在新增容量方面實(shí)現(xiàn)了負(fù)向變化，變化率達(dá)到了7.9%，并且低迷情況將持續(xù)幾年，2017年的年度“盛世”不會(huì)再現(xiàn)。但此時(shí)與存在著機(jī)遇，亞洲等新興消費(fèi)市場(chǎng)使得其增長(zhǎng)擁有不小的想象空間。風(fēng)電事業(yè)在全球遍及度快速增加，尤其是巴西、印度等新興消費(fèi)市場(chǎng)的展現(xiàn)，它們不斷地為風(fēng)電事業(yè)發(fā)展注入強(qiáng)大的活力與源泉。從印度政府的發(fā)展規(guī)劃不難看出，對(duì)外投標(biāo)的20GW容量的風(fēng)機(jī)投建將于2020年第一季度完成，也正是因?yàn)槠湓谌ツ晔状螌?duì)外投標(biāo)海上風(fēng)電工程，使其成長(zhǎng)為另一個(gè)風(fēng)電廠商間角逐的消費(fèi)市常相比于其它新能源，風(fēng)電行業(yè)的成長(zhǎng)最快，其具有遠(yuǎn)大的發(fā)展空間，在全球各國(guó)的電力生產(chǎn)結(jié)構(gòu)中的比重愈來愈大?

【參考文獻(xiàn)】：
期刊論文
[1]基于特征電流的直驅(qū)型風(fēng)機(jī)故障診斷技術(shù)研究[J]. 李志勇,禹建鋒,陳有根,溫大釗.  控制與信息技術(shù). 2018(01)
[2]海上風(fēng)電場(chǎng)與柔性直流輸電系統(tǒng)的新型協(xié)調(diào)控制策略[J]. 洪敏,辛煥海,徐晨博,章雷其,甘德強(qiáng).  電力系統(tǒng)自動(dòng)化. 2016(21)
[3]系統(tǒng)辨識(shí)算法的復(fù)雜性、收斂性及計(jì)算效率研究[J]. 丁鋒.  控制與決策. 2016(10)
[4]大型風(fēng)力發(fā)電機(jī)傳動(dòng)系統(tǒng)動(dòng)力仿真分析[J]. 黎璐琳,孫文磊,黎路楊.  機(jī)械設(shè)計(jì)與制造工程. 2015(07)
[5]Delta算子系統(tǒng)簡(jiǎn)述[J]. 楊洪玖,夏元清,李惠光.  控制理論與應(yīng)用. 2015(05)
[6]基于模型的風(fēng)電機(jī)組變槳距系統(tǒng)故障檢測(cè)[J]. 趙洪山,連莎莎,邵玲.  電網(wǎng)技術(shù). 2015(02)
[7]基于非線性狀態(tài)估計(jì)的風(fēng)電機(jī)組變槳控制系統(tǒng)故障識(shí)別[J]. 尹詩(shī),余忠源,孟凱峰,李闖,王其樂.  中國(guó)電機(jī)工程學(xué)報(bào). 2014(S1)
[8]基于故障樹的電梯故障診斷專家系統(tǒng)設(shè)計(jì)[J]. 宗群,李光宇,郭萌.  控制工程. 2013(02)
[9]基于高增益魯棒滑模觀測(cè)器的故障檢測(cè)和隔離[J]. 楊俊起,朱芳來.  自動(dòng)化學(xué)報(bào). 2012(12)
[10]基于灰色理論的風(fēng)機(jī)變槳距驅(qū)動(dòng)器故障預(yù)測(cè)[J]. 梁中華,安占國(guó),樸興哲,徐宏武.  沈陽(yáng)工業(yè)大學(xué)學(xué)報(bào). 2011(06)

博士論文
[1]基于變分模態(tài)分解的風(fēng)電機(jī)組傳動(dòng)系統(tǒng)故障診斷研究[D]. 武英杰.華北電力大學(xué)(北京) 2016

碩士論文
[1]基于連續(xù)時(shí)間模型的時(shí)域子空間辨識(shí)研究[D]. 胡揚(yáng)聲.中國(guó)科學(xué)技術(shù)大學(xué) 2016
[2]基于模型的風(fēng)電機(jī)組變槳距系統(tǒng)故障預(yù)測(cè)的研究[D]. 連莎莎.華北電力大學(xué) 2015
[3]基于解析模型的風(fēng)力發(fā)電機(jī)組魯棒故障診斷方法研究[D]. 孫巖.中南大學(xué) 2013
[4]基于數(shù)據(jù)挖掘的風(fēng)電機(jī)組狀態(tài)預(yù)測(cè)及變槳系統(tǒng)異常識(shí)別[D]. 李學(xué)偉.重慶大學(xué) 2012
[5]面向風(fēng)電機(jī)組齒輪箱的故障診斷系統(tǒng)研究[D]. 王斌.華北電力大學(xué) 2012
[6]線性系統(tǒng)盲辨識(shí)方法的研究[D]. 陳慧波.江南大學(xué) 2008



本文編號(hào)：3509212