隨著風力發(fā)電技術(shù)的大力發(fā)展,風電機組的單機容量越來越大,設備維護和故障預警成為保證風電機組正常運行,降低企業(yè)運營成本的關(guān)鍵問題。由于風電機組復雜的機電結(jié)構(gòu),各部件之間存在強相關(guān)性,導致風電機組部件之間存在連鎖反應和相互影響,增加了風電機組部件故障預警的難度。現(xiàn)有的風電機組部件故障預警方法存在預警時間過短,預警精度較低的問題,使得風電業(yè)主來不及備件和優(yōu)化維護計劃。本文針對以上問題,基于風電機組 SCADA(Supervisory Control And Data Acquisition采集的數(shù)據(jù),研究風電機組部件故障預警方法,重點解決現(xiàn)有方法故障預警時間與預警精度的矛盾,在一定程度上彌補了目前已有的風電機組部件故障預警的不足。湖南省自然科學基金項目(2015JJ5027)和北斗開放實驗室微小課題:基于風電場大數(shù)據(jù)的故障診斷與預警系統(tǒng)研究與應用(KH03114)資助。本文主要研究內(nèi)容如下:(1)提出了基于神經(jīng)網(wǎng)絡與馬氏距離的風電機組部件故障預警方案。闡述了風電機組故障預警的重要性和意義,并通過對國內(nèi)外研究現(xiàn)狀和關(guān)鍵技術(shù)的了解,得出風電機組部件故障預警方案。(2)實現(xiàn)了風電機組部件故障預警。使用數(shù)據(jù)預處理、異常數(shù)據(jù)濾除方法對SCADA數(shù)據(jù)進行處理,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,建立風電機組部件預測模型,并基于該模型結(jié)合馬氏距離算法確定風電機組部件故障判據(jù),實現(xiàn)風電機組故障預警。(3)進行了直驅(qū)式風電機組主軸承溫度故障預警實例仿真。采用本文方案對2MW直驅(qū)式風機主軸承進行故障預警仿真實驗,實驗結(jié)果表明:使用該方法能夠提前2個月識別主軸承故障信號,能有效贏得備件和維護計劃優(yōu)化時間,同時也能剔除SCADA系統(tǒng)誤報,降低維護量,從而降低風電場維護成本。
【學位單位】：湘潭大學
【學位級別】：碩士
【學位年份】：2018
【中圖分類】：TM614
【部分圖文】：

部件發(fā)生故障。而對風電機組部件進行故障預警則可提前發(fā)現(xiàn)隱患，有利于優(yōu)化維護，避免因部件故障延誤而導致更加嚴重的整機故障［１］。??研究背景及意義??隨著世界經(jīng)濟的不斷發(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致了全球大范圍室效應、部分地區(qū)的土地沙漠化等環(huán)境問題。隨著風電產(chǎn)業(yè)技術(shù)不斷成熟、成本逐漸Ｉ以及各國的政策支持，風電產(chǎn)業(yè)越來越受到各國的關(guān)注，風電投資熱情高漲，各個國風電產(chǎn)業(yè)出現(xiàn)井噴式增長。２０１７年市場新增裝機超過５０ＧＷ，其中歐洲、印度和海上裝機實現(xiàn)創(chuàng)紀錄突破［２１。中國風電增速放緩，根據(jù)初步統(tǒng)計中國實現(xiàn)１９．５ＧＷ裝機，而的減速被其他市場的增長彌補［３］。全球市場２０１７年新增裝機５２．５７３ＭＷ，累計裝機容到５３９．５８１ＭＷ［４］。全球風電機組２００１－２０１７年全球年新增裝機容量如圖１－１所示，??０１－２０１７年全球累計裝機容量如圖１－２所示，全球風電機組累計裝機容量排名如圖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)展風電產(chǎn)業(yè)為背景，針對風電機組的故障預警方法進行了??研究，闡述了風電機組故障預警的重要性與意義，并通過分析分析國內(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章風電機組運行特性與常見故障。首先結(jié)合風電機組數(shù)學模型概述了風電機組的??工作原理，，其次明確了風電機組主要部件常見故障及故障原理。??第３章設計了風電機組部件故障預警方案。首先進行針對ＳＣＡＤＡ數(shù)據(jù)的復雜性與隨??機性進行了數(shù)據(jù)預處理和數(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風電機組結(jié)構(gòu)圖??如圖２－３所示為一種直驅(qū)式風電機組的結(jié)構(gòu)圖。??葉輪葉片?｜?＇???ｌ??圖２－３風電機組內(nèi)部結(jié)構(gòu)圖??它由以下幾個部件組成：??（１）變槳系統(tǒng)：主要由變槳電動機、變槳控制器、電池盒等組成；??１０??
【參考文獻】

相關(guān)期刊論文 前7條

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

2 黃必清;何焱;王婷艷;;基于模糊綜合評價的海上直驅(qū)風電機組運行狀態(tài)評估[J];清華大學學報(自然科學版);2015年05期

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

4 郭鵬;徐明;白楠;馬登昌;;基于SCADA運行數(shù)據(jù)的風電機組塔架振動建模與監(jiān)測[J];中國電機工程學報;2013年05期

5 朱藝穎;姚旭東;;直驅(qū)式同步風力發(fā)電機組數(shù)模混合仿真模型[J];中國電機工程學報;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)風電機組建模與仿真[J];陜西電力;2012年12期

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

相關(guān)碩士學位論文 前3條

1 王磊;基于觀測器的風力發(fā)電機液壓變槳系統(tǒng)故障診斷方法研究[D];上海電機學院;2017年

2 高興良;基于逐步回歸分析的組合神經(jīng)網(wǎng)絡股指預測研究[D];哈爾濱工業(yè)大學;2015年

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

本文編號：2870189