發(fā)布時(shí)間：2020-11-04 14:06

　　 隨著風(fēng)力發(fā)電技術(shù)的大力發(fā)展,風(fēng)電機(jī)組的單機(jī)容量越來越大,設(shè)備維護(hù)和故障預(yù)警成為保證風(fēng)電機(jī)組正常運(yùn)行,降低企業(yè)運(yùn)營(yíng)成本的關(guān)鍵問題。由于風(fēng)電機(jī)組復(fù)雜的機(jī)電結(jié)構(gòu),各部件之間存在強(qiáng)相關(guān)性,導(dǎo)致風(fēng)電機(jī)組部件之間存在連鎖反應(yīng)和相互影響,增加了風(fēng)電機(jī)組部件故障預(yù)警的難度�，F(xiàn)有的風(fēng)電機(jī)組部件故障預(yù)警方法存在預(yù)警時(shí)間過短,預(yù)警精度較低的問題,使得風(fēng)電業(yè)主來不及備件和優(yōu)化維護(hù)計(jì)劃。本文針對(duì)以上問題,基于風(fēng)電機(jī)組 SCADA(Supervisory Control And Data Acquisition采集的數(shù)據(jù),研究風(fēng)電機(jī)組部件故障預(yù)警方法,重點(diǎn)解決現(xiàn)有方法故障預(yù)警時(shí)間與預(yù)警精度的矛盾,在一定程度上彌補(bǔ)了目前已有的風(fēng)電機(jī)組部件故障預(yù)警的不足。湖南省自然科學(xué)基金項(xiàng)目(2015JJ5027)和北斗開放實(shí)驗(yàn)室微小課題:基于風(fēng)電場(chǎng)大數(shù)據(jù)的故障診斷與預(yù)警系統(tǒng)研究與應(yīng)用(KH03114)資助。本文主要研究?jī)?nèi)容如下:(1)提出了基于神經(jīng)網(wǎng)絡(luò)與馬氏距離的風(fēng)電機(jī)組部件故障預(yù)警方案。闡述了風(fēng)電機(jī)組故障預(yù)警的重要性和意義,并通過對(duì)國(guó)內(nèi)外研究現(xiàn)狀和關(guān)鍵技術(shù)的了解,得出風(fēng)電機(jī)組部件故障預(yù)警方案。(2)實(shí)現(xiàn)了風(fēng)電機(jī)組部件故障預(yù)警。使用數(shù)據(jù)預(yù)處理、異常數(shù)據(jù)濾除方法對(duì)SCADA數(shù)據(jù)進(jìn)行處理,并基于逐步回歸算法選取相關(guān)故障特征參數(shù),選擇GA-BP神經(jīng)網(wǎng)絡(luò),建立風(fēng)電機(jī)組部件預(yù)測(cè)模型,并基于該模型結(jié)合馬氏距離算法確定風(fēng)電機(jī)組部件故障判據(jù),實(shí)現(xiàn)風(fēng)電機(jī)組故障預(yù)警。(3)進(jìn)行了直驅(qū)式風(fēng)電機(jī)組主軸承溫度故障預(yù)警實(shí)例仿真。采用本文方案對(duì)2MW直驅(qū)式風(fēng)機(jī)主軸承進(jìn)行故障預(yù)警仿真實(shí)驗(yàn),實(shí)驗(yàn)結(jié)果表明:使用該方法能夠提前2個(gè)月識(shí)別主軸承故障信號(hào),能有效贏得備件和維護(hù)計(jì)劃優(yōu)化時(shí)間,同時(shí)也能剔除SCADA系統(tǒng)誤報(bào),降低維護(hù)量,從而降低風(fēng)電場(chǎng)維護(hù)成本。
【學(xué)位單位】：湘潭大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位年份】：2018
【中圖分類】：TM614
【部分圖文】：

部件發(fā)生故障。而對(duì)風(fēng)電機(jī)組部件進(jìn)行故障預(yù)警則可提前發(fā)現(xiàn)隱患，有利于優(yōu)化維護(hù)，避免因部件故障延誤而導(dǎo)致更加嚴(yán)重的整機(jī)故障［１］。??研究背景及意義??隨著世界經(jīng)濟(jì)的不斷發(fā)展，一切事物的變換都離不開電力能源。世界各地對(duì)于清潔的呼聲越來越高，目前全球只有２２％的電力能源是由可再生能源生產(chǎn)的，其余的７８％使用化石燃料、天然氣和煤炭等生產(chǎn)的ｍ。大量使用非可再生能源導(dǎo)致了全球大范圍室效應(yīng)、部分地區(qū)的土地沙漠化等環(huán)境問題。隨著風(fēng)電產(chǎn)業(yè)技術(shù)不斷成熟、成本逐漸Ｉ以及各國(guó)的政策支持，風(fēng)電產(chǎn)業(yè)越來越受到各國(guó)的關(guān)注，風(fēng)電投資熱情高漲，各個(gè)國(guó)風(fēng)電產(chǎn)業(yè)出現(xiàn)井噴式增長(zhǎng)。２０１７年市場(chǎng)新增裝機(jī)超過５０ＧＷ，其中歐洲、印度和海上裝機(jī)實(shí)現(xiàn)創(chuàng)紀(jì)錄突破［２１。中國(guó)風(fēng)電增速放緩，根據(jù)初步統(tǒng)計(jì)中國(guó)實(shí)現(xiàn)１９．５ＧＷ裝機(jī)，而的減速被其他市場(chǎng)的增長(zhǎng)彌補(bǔ)［３］。全球市場(chǎng)２０１７年新增裝機(jī)５２．５７３ＭＷ，累計(jì)裝機(jī)容到５３９．５８１ＭＷ［４］。全球風(fēng)電機(jī)組２００１－２０１７年全球年新增裝機(jī)容量如圖１－１所示，??０１－２０１７年全球累計(jì)裝機(jī)容量如圖１－２所示，全球風(fēng)電機(jī)組累計(jì)裝機(jī)容量排名如圖１－３［５］。??

１．４論文內(nèi)容結(jié)構(gòu)及創(chuàng)新??１．４．１內(nèi)容結(jié)才勾??根據(jù)上述分析，確立本論文內(nèi)容的主體結(jié)構(gòu)如圖１－５所示。??第１章緒論。以世界大力發(fā)展風(fēng)電產(chǎn)業(yè)為背景，針對(duì)風(fēng)電機(jī)組的故障預(yù)警方法進(jìn)行了??研究，闡述了風(fēng)電機(jī)組故障預(yù)警的重要性與意義，并通過分析分析國(guó)內(nèi)外現(xiàn)狀和關(guān)鍵技術(shù)，??提出本文技術(shù)路線，確定本文內(nèi)容結(jié)構(gòu)與特色創(chuàng)新。??第２章風(fēng)電機(jī)組運(yùn)行特性與常見故障。首先結(jié)合風(fēng)電機(jī)組數(shù)學(xué)模型概述了風(fēng)電機(jī)組的??工作原理，，其次明確了風(fēng)電機(jī)組主要部件常見故障及故障原理。??第３章設(shè)計(jì)了風(fēng)電機(jī)組部件故障預(yù)警方案。首先進(jìn)行針對(duì)ＳＣＡＤＡ數(shù)據(jù)的復(fù)雜性與隨??機(jī)性進(jìn)行了數(shù)據(jù)預(yù)處理和數(shù)據(jù)歸一化；并基于逐步回歸算法給出了故障特征相關(guān)參數(shù)的選??７??

?ｔ??圖２－２風(fēng)電機(jī)組結(jié)構(gòu)圖??如圖２－３所示為一種直驅(qū)式風(fēng)電機(jī)組的結(jié)構(gòu)圖。??葉輪葉片?｜?＇???ｌ??圖２－３風(fēng)電機(jī)組內(nèi)部結(jié)構(gòu)圖??它由以下幾個(gè)部件組成：??（１）變槳系統(tǒng)：主要由變槳電動(dòng)機(jī)、變槳控制器、電池盒等組成；??１０??
【參考文獻(xiàn)】

相關(guān)期刊論文 前7條

1 謝吉偉;劉君強(qiáng);王小磊;;基于馬氏距離的航空發(fā)動(dòng)機(jī)健康監(jiān)控方法[J];航空計(jì)算技術(shù);2015年03期

2 黃必清;何焱;王婷艷;;基于模糊綜合評(píng)價(jià)的海上直驅(qū)風(fēng)電機(jī)組運(yùn)行狀態(tài)評(píng)估[J];清華大學(xué)學(xué)報(bào)(自然科學(xué)版);2015年05期

3 呂穎;孫樹明;汪寧渤;訾鵬;陳得治;周強(qiáng);高凱;何曉陽;張艷軍;;大型風(fēng)電基地連鎖故障在線預(yù)警系統(tǒng)研究與開發(fā)[J];電力系統(tǒng)保護(hù)與控制;2014年11期

4 郭鵬;徐明;白楠;馬登昌;;基于SCADA運(yùn)行數(shù)據(jù)的風(fēng)電機(jī)組塔架振動(dòng)建模與監(jiān)測(cè)[J];中國(guó)電機(jī)工程學(xué)報(bào);2013年05期

5 朱藝穎;姚旭東;;直驅(qū)式同步風(fēng)力發(fā)電機(jī)組數(shù)�；旌戏抡婺Ｐ蚚J];中國(guó)電機(jī)工程學(xué)報(bào);2012年S1期

6 阿麗努爾·阿木提;晁勤;吐爾遜·依布拉音;袁鐵江;;直驅(qū)風(fēng)電機(jī)組建模與仿真[J];陜西電力;2012年12期

7 劉光德;姚興佳;趙楊;邢作霞;;變速風(fēng)電機(jī)組仿真用數(shù)學(xué)模型研究[J];可再生能源;2006年02期

相關(guān)碩士學(xué)位論文 前3條

1 王磊;基于觀測(cè)器的風(fēng)力發(fā)電機(jī)液壓變槳系統(tǒng)故障診斷方法研究[D];上海電機(jī)學(xué)院;2017年

2 高興良;基于逐步回歸分析的組合神經(jīng)網(wǎng)絡(luò)股指預(yù)測(cè)研究[D];哈爾濱工業(yè)大學(xué);2015年

3 李喜紅;直驅(qū)式風(fēng)力發(fā)電機(jī)軸承故障診斷方法研究[D];華北電力大學(xué);2012年

本文編號(hào)：2870189