共查询到20条相似文献,搜索用时 187 毫秒
1.
2.
3.
《仪表技术与传感器》2017,(6)
风电齿轮箱是风力发电机组中的关键核心部件,也是风电机组中故障率较高的部件。对风电齿轮箱健康状态进行远程监测并及时发送维护预警信息,对防止风电齿轮箱部件的二次损坏,降低维护成本具有重要的现实意义。系统以风电齿轮箱运行过程中各种传感器的数据值为基础建立多信息融合的评价机制,通过评价机制实时监测评价当前工况下的健康状态得分,健康状态得分低于下限值时通过GSM网络信号以手机短信形式远程发送维护预警信息,避免了单一传感器报警阈值的误报,提高了维护预警信息的准确性。疲劳寿命台架运行试验结果表明,该系统能较好地对风电齿轮箱健康状态进行监测,预警准确,具有广阔的应用前景。 相似文献
4.
齿轮箱是风力发电机组的核心传动部件,不仅结构复杂制造成本高,而且故障率高维修费用巨大,对其进行状态监测具有重要意义。针对风电齿轮箱在复杂工况下运行所产生的非线性、非平稳振动信号,提出了一种基于EEMD-CC和PCA的风电齿轮箱状态监测方法。该方法先对含有大量噪声的风电齿轮箱振动信号进行集合经验模态分解和相关系数(EEMD-CC)降噪处理。然后,将降噪后的正常信号数据进行主分量分析(PCA)建模,并以T~2统计量和SPE统计量作为信号异常的评判指标。最后,把降噪后的测试数据带入PCA模型中,分别判断T~2和SPE值是否超出阈值,实现风电齿轮箱的状态监测。试验结果证明,该方法能够有效地监测风电齿轮箱的状态。 相似文献
5.
6.
风电齿轮箱的发展及技术分析 总被引:5,自引:0,他引:5
风电产业的飞速发展促成了风电装备制造业的繁荣,风电齿轮箱作为风力机组中最重要的部件,倍受国内外风电相关行业和研究机构的关注。介绍了国内风电齿轮箱的发展现状,对风电齿轮箱的市场前景做了分析,在技术上从齿轮箱的设计、轴承、润滑系统、状态监测以及制造工艺等方面分析了国内风电齿轮箱存在的问题并提出建议。 相似文献
7.
风机运行环境恶劣,工况复杂多变,造成风电机组故障频发。齿轮箱作为风机的关键性部件,故障率达到40%~50%。因此,风机齿轮箱的故障诊断与预警一直是国内外专家学者研究的重点及热点。综述了现阶段风机齿轮箱的故障诊断与预警的三大主要方法,包括振动分析、仿真模拟以及油品性能检测(包括在线监测与离线检测)。详细地阐述了这三种方法的优缺点以及相关改进建议。最后,对齿轮箱故障诊断及预警方法进行了总结及展望。 相似文献
8.
《仪器仪表与分析监测》2017,(3)
风电机组长期处于交变工况下运行,因此齿轮箱故障率较高,需要更加有效的方式进行故障诊断。提出一种将可靠性指标融入风电机组齿轮箱故障诊断当中的方法。建立复合参数可靠性模型对齿轮箱进行可靠性分析,在传统振动指标训练BP神经网络的同时加入可靠性指标对网络进行训练,增加神经网络输入端参数维度,从而提高故障诊断的有效性与实用性。为风电厂提高经济性提供重要参考。 相似文献
9.
10.
11.
风力发电技术是新能源发电技术领域的重要研究方向,也是目前风能的主要利用方式,故风力发电机叶片稳健工作是风力发电过程的关键保障,对风力发电机叶片状态的实时在线监测技术也成为该领域的重要研究内容。该文回顾了风力发电机叶片机械故障的产生原理、现有的风力发电机叶片状态监测技术,对比了现有各技术的优势和劣势,分析了未来叶片检测技术的发展趋势。 相似文献
12.
实现大型风力发电机组的状态监测与控制是确保大型风力发电场安全、有效运行的手段。文章论述了大型风力发电机组的状态监测、控制技术参数与特点,分析、设计了大型风力发电机组的状态监测与控制系统,包括该系统的功能与实现方法等。 相似文献
13.
14.
15.
16.
为了保障风力发电机组的安全可靠运行,结合风力发电机组中轴承故障特性,研发了一套针对风力发电机组轴承的故障诊断软件。该软件利用Visual C++和Matlab混合编程实现,可以对风机轴承进行数据采集和故障诊断。根据诊断结果可以对机组工作状态做出判断,针对异常情况可以帮助工作人员查明故障原因,提前做好预警和维护计划,提高风力发电效益。最后在模拟实验台上采集了故障轴承的振动信号并用该软件进行了时频分析、解调分析和倒谱分析,分析结果与实际故障吻合良好。 相似文献
17.
风力发电机齿轮箱是风力发电机组中发生故障频率最多的部件.为了满足对风力发电机齿轮箱的远程状态监测和故障诊断要求,设计了以C 2000系列DSP-TMS320F2812(简称F2812)为核心处理器的风力发电机齿轮箱远程故障诊断系统.系统可以脱离上位机独立运行,利用F2812丰富的外设模块构建了系统的硬件,可以对模拟信号、转速频率信号、数字信号进行数据采集,并具有以太网、全球移动通信系统(GSM)通信功能.针对风力发电机齿轮箱常见的轴承和齿轮故障,采用了有限脉冲响应(FIR)数字滤波、快速傅里叶变换(FFT)、倒频谱、小渡分析等方法提取出故障特征.将提取的特征向量输入训练好的BP神经网络进行嵌入式故障分类和识别,得出故障的类型、部位和程度.测试表明本系统能够实现长时间在线监测,并能正确的识别出故障,特别适用于风力发电机远程在线监测和故障诊断. 相似文献
18.
The monitoring of wind turbines using SCADA data has received lately a growing interest from the fault diagnosis community because of the very low cost of these data, which are available in number without the need for any additional sensor. Yet, these data are highly variable due to the turbine constantly changing its operating conditions and to the rapid fluctuations of the environmental conditions (wind speed and direction, air density, turbulence, …). This makes the occurrence of a fault difficult to detect. To address this problem, we propose a multi-level (turbine and farm level) strategy combining a mono- and a multi-turbine approach to create fault indicators insensitive to both operating and environmental conditions. At the turbine level, mono-turbine residuals (i.e. a difference between an actual monitored value and the predicted one) obtained with a normal behavior model expressing the causal relations between variables from the same single turbine and learnt during a normal condition period are calculated for each turbine, so as to get rid of the influence of the operating conditions. At the farm level, the residuals are then compared to a wind farm reference in a multi-turbine approach to obtain fault indicators insensitive to environmental conditions. Indicators for the objective performance evaluation are also proposed to compare wind turbine fault detection methods, which aim at evaluating the cost/benefit of the methods from a production manager’s point of view. The performance of the proposed combined mono- and multi-turbine method is evaluated and compared to more classical methods proposed in the literature on a large real data set made of SCADA data recorded on a French wind farm during four years : it is shown than it can improve the fault detection performance when compared to a residual analysis limited at the turbine level only. 相似文献
19.
风力发电机由于其恶劣的工作环境以及其复杂多变的工况,在运行时经常出现故障,导致停机维修,造成了很大的经济损失。而当前已经有开发了一些在线监测系统,大多是只针对一种形式结构的风力发电机,而往往风场中会存在多种类型的风机:如双馈式的、直驱式的、还有半直驱式的,而每种风机的内部结构存在着很大的差别,各有优异。针对当前的实际情况,开发了一套针对多种类型的风力机在线监测系统。系统在数据库设计、参数设置、监测界面都融合了多种形式的风力发电机,在自制的模拟风力发电机的台架上试运行已经取得了理想的效果。 相似文献
20.
针对风力发电机组地处偏远、人工巡检排故困难,利用物联网技术开发了远程状态实时监测和故障诊断系统,分析了总体框架,构建了故障诊断规则库,阐述了工作流程。该系统可实现对风机齿轮箱运行状态的远程实时监测,通过分析风机齿轮箱运行状态信息触发自动故障诊断系统和基于规则的故障诊断,生成故障诊断报告,并将其导入专家经验库。经风电机组齿轮传动实验台实验检验,系统界面友好,能为维修工程师进行故障排查提供解决方案,提高排故效率,缩短排故时间,降低排故难度。 相似文献