發(fā)布時間：2017-10-19 19:05

  本文關鍵詞：基于數據統(tǒng)計分析的變槳系統(tǒng)故障預警方法

  更多相關文章： 變槳系統(tǒng) 最小二乘法 數據統(tǒng)計 區(qū)間劃分 滑動窗口

【摘要】：變槳系統(tǒng)是風電機組重要的結構系統(tǒng),變槳系統(tǒng)能否正常運行直接影響機組的安全穩(wěn)定運行,而風電機組多工作環(huán)境惡劣地區(qū),經常出現大風、強風,同時包括突來陣風情況,而變槳系統(tǒng)的主要功能是捕捉風能,最大限度的利用風能,環(huán)境對該系統(tǒng)的影響更加明顯。如果不提供行之有效的預警方案,當變槳系統(tǒng)一旦發(fā)生故障,我們在難以展開維修工作的同時,也對風電場造成重大的經濟損失,因此針對變槳系統(tǒng)的典型故障制定有效的預警方案,不僅能夠及時準確的預警故障信息,避免發(fā)生嚴重的故障情況,而且保證機組的運行的經濟性�，F在國內外針對大型復雜系統(tǒng)的預警方案提出了眾多研究方案,其中包括變槳系統(tǒng)的三大典型故障。雖然國內外提出了各種不同的方案,但大多數是基于恒定單一閾值預警或基于某一單參數劃分工況。這樣的預警方案存在一定的缺陷,舉例來講,對于變槳角度故障設定單一閾值,未考慮到突來陣風的影響,提出報警但實際并未引起故障；對于變槳電機溫度故障來講,設定單一閾值預警限,未考慮到環(huán)境溫度和風速對變槳電機運行溫度的影響,而出現誤報警率高等問題。由于存在各種問題,導致無法合理預警故障信息,不利于機組的穩(wěn)定運行。本文在深入研究變槳系統(tǒng)結構和典型故障原因的基礎上,通過建立FMEA和故障樹分析,深入挖掘數據參數間的內在聯系,結合SCADA系統(tǒng)的大量歷史和實測數據,針對三種典型故障分別提出預警方案,以便抑制或解決誤報警和不報警情況。針對變槳角度故障,提出基于最小二乘法擬合歷史數據曲線,形成正常運行狀態(tài)下模型,采用基于歐氏距離的方法確定單個葉片的正常工作角度范圍；對兩個以上葉片角度差的處理方法采用歷史統(tǒng)計數據分析的方法,確定閾值預警限,同時采用滑動窗口的方法計算故障異常率,以此作為預警指標,可以通過觀察故障率的走勢,判斷是否出現故障情況。該方法相對于以閾值作為預警指標的方法,能夠有效預警的同時,可以觀測到故障異常率的發(fā)展趨勢,降低誤報警率,保證機組的穩(wěn)定運行。針對變槳轉矩故障,提出基于歷史數據統(tǒng)計分析的方法設定閾值預警限,通過采用殘差置信區(qū)間的方法設定預警指標,通過計算殘差的平均值和標準差來觀察是否超出設定的置信區(qū)間范圍來判斷是否出現故障情況。該方法簡單有效,從平均值和標準差的角度出發(fā),減少了異常數據對分析的影響,同時可以看出整體趨勢的發(fā)展情況,便于總體分析。針對變槳電機溫度故障,提出基于區(qū)間劃分的方法,為了避免環(huán)境溫度對變槳電機運行溫度的影響,提出基于風速和變槳電機與環(huán)境溫度差作為劃分依據,將整體工況劃分為m*n個區(qū)間,針對每個區(qū)間基于數據統(tǒng)計分析設定上下預警限,基于滑動窗口計算故障異常率作為報警指標。該方法將整體工況劃分為不同的區(qū)間,根據區(qū)間工況變化設定不同的預警值,相比單一閾值預警來講,有效的提高了預警的準確性。通過預警方案可以有效的監(jiān)測故障發(fā)生情況,而FMEA和故障樹分析為故障原因排查和制定詳細的維修措施提供了保障。本文在預警的同時,提出了針對故障主要原因的維修措施,防止事故進一步嚴重化,節(jié)約維修成本,減少維修時間,提高機組的運行效率。
【關鍵詞】：變槳系統(tǒng) 最小二乘法 數據統(tǒng)計 區(qū)間劃分 滑動窗口
【學位授予單位】：華北電力大學
【學位級別】：碩士
【學位授予年份】：2015
【分類號】：TM315
【目錄】：

• 摘要5-7
• Abstract7-12
• 第1章 緒論12-17
• 1.1 選題背景及意義12-13
• 1.2 風力發(fā)電國內外發(fā)展現狀及趨勢13-15
• 1.2.1 國外發(fā)展現狀及趨勢13-14
• 1.2.2 國內發(fā)展現狀及趨勢14-15
• 1.3 本文主要內容15-17
• 第2章 變槳系統(tǒng)功能結構及典型故障分析17-35
• 2.1 變槳系統(tǒng)的功能與結構17-20
• 2.1.1 變槳系統(tǒng)功能17
• 2.1.2 變槳系統(tǒng)結構特點17-20
• 2.2 變槳系統(tǒng)主要故障類型及故障原因20-22
• 2.2.1 變槳角度故障20-21
• 2.2.2 變槳轉矩故障21
• 2.2.3 變槳電機故障21-22
• 2.3 變槳系統(tǒng)故障模式及其影響分析(FMEA)22-28
• 2.4 變槳系統(tǒng)故障樹建立28-34
• 2.5 本章小節(jié)34-35
• 第3章 基于數據分析的變槳系統(tǒng)典型故障預警35-51
• 3.1 變槳系統(tǒng)典型故障預警方法及流程35-37
• 3.1.1 變槳角度故障預警方法及流程35-36
• 3.1.2 變槳轉矩故障預警方法及流程36
• 3.1.3 變槳電機故障預警方法及流程36-37
• 3.2 變槳系統(tǒng)典型故障預警參數選取37-39
• 3.3 基于最小二乘法的曲線擬合39-43
• 3.3.1 最小二乘法簡介39-41
• 3.3.2 基于歐式距離的偏差度分析41-42
• 3.3.3 基于最小二乘法的變槳角度故障擬合實例分析42-43
• 3.4 基于數據分析的變槳系統(tǒng)故障預警限設定43-48
• 3.4.1 變槳角度故障預警限設定43-44
• 3.4.2 基于數據分析的變槳轉矩閾值預警限設定44-45
• 3.4.3 變槳電機溫度故障預警限設定45-48
• 3.5 基于滑動窗口和置信區(qū)間的預警指標設定48-50
• 3.5.1 基于滑動窗口方法預警指標設定48
• 3.5.2 基于殘差分析置信區(qū)間預警指標設定48-50
• 3.6 本章小結50-51
• 第4章 變槳系統(tǒng)典型故障預警案例分析51-72
• 4.1 預警參數的預處理51-53
• 4.2 變槳角度故障預警案例分析53-57
• 4.2.1 變槳角度故障預警案例分析53-57
• 4.2.2 變槳角度故障主要原因排查57
• 4.3 變槳轉矩故障預警案例分析57-61
• 4.3.1 變槳轉矩故障預警案例分析57-61
• 4.3.2 變槳轉矩故障主要原因排查61
• 4.4 變槳電機溫度故障預警案例分析61-71
• 4.4.1 變槳電機溫度故障預警案例分析61-70
• 4.4.2 變槳電機溫度故障主要原因排查70-71
• 4.5 本章小結71-72
• 第5章 風電變槳系統(tǒng)故障診斷方法工程應用72-80
• 5.1 系統(tǒng)開發(fā)環(huán)境72-73
• 5.2 系統(tǒng)開發(fā)路線73-74
• 5.3 SCADA系統(tǒng)數據獲取與傳輸74-75
• 5.3.1 SCADA數據的獲取和傳輸74
• 5.3.2 數據采集系統(tǒng)74-75
• 5.4 系統(tǒng)功能75-79
• 5.4.1 變槳系統(tǒng)實時數據監(jiān)測功能76
• 5.4.2 變槳系統(tǒng)故障診斷功能76-77
• 5.4.3 故障報表管理功能77-78
• 5.4.4 變槳系統(tǒng)故障知識庫功能78-79
• 5.5 本章小結79-80
• 第6章 結論與展望80-82
• 6.1 結論80-81
• 6.2 展望81-82
• 參考文獻82-86
• 攻讀碩士學位期間發(fā)表的論文及其它成果86-87
• 致謝87

【參考文獻】

中國期刊全文數據庫 前3條

1 康建;;風力發(fā)電機變槳系統(tǒng)[J];電器工業(yè);2011年07期

2 譚忠富;鞠立偉;;中國風電發(fā)展綜述:歷史、現狀、趨勢及政策[J];華北電力大學學報(社會科學版);2013年02期

3 陳建林;陳薦;;新能源科學與工程本科專業(yè)人才培養(yǎng)模式探究[J];中國電力教育;2013年22期

中國碩士學位論文全文數據庫 前1條

1 李學偉;基于數據挖掘的風電機組狀態(tài)預測及變槳系統(tǒng)異常識別[D];重慶大學;2012年

，

本文編號：1062793