基于工况辨识的风电机组主传动系统运行状态监测

针对风电机组主传动系统运行工况复杂多变,导致状态监测系统误报警率高的问题,提出一种基于工况辨识的风电机组主传动系统运行状态监测方法。首先采用最大互信息系数（MIC）选取数据采集与监视控制系统（SCADA）特征参数,运用k-均值聚类算法对主传动系统运行工况进行划分,解决机组运行状态复杂多变导致运行工况不清的问题;接着提取状态监测系统（CMS）特征参数,并采用层次分析法计算CMS特征参量相对权重,提出主传动系统运行状态评价指标与量化算法;最后利用核密度估计（KDE）方法确定阈值,根据阈值与运行状态指标的关系实现主传动系统异常监测。将该方法运用于实际风场,结果表明所提方法监测结果与实际相符。     

基于工况辨识的风电机组齿轮箱状态监测

针对大型风电机组复杂多变的运行工况,采用单一固定阈值来评价风电机组运行状态误报警率高的问题,采用标准模糊C均值聚类进行运行工况识别;在各个子工况空间下,利用非线性状态估计方法建立齿轮箱正常工作状态下温度模型进行轴承温度估计;采用滑动窗口残差统计方法对残差进行分析,建立残差均值报警阈值。最后以某风电机组SCADA(数据采集与监视控制系统)数据进行应用研究。结果表明:基于工况辨识的模型可以准确估计齿轮箱温度并能够降低误报警率,可以实时在线监测齿轮箱运行状态。     

基于轴承温度模型的风电机组故障预测研究

采用风电机组状态监测技术可有效提高机组运行的安全可靠性。轴承是风电机组能量传递的重要部件,轴承的状态评估对机组安全运行具有重要意义。文章基于主成分分析方法,选取影响机组轴承温度的参数,提出了改进的线性回归径向基函数神经网络方法,建立了正常运行状态下轴承的温度预测模型;通过机组运行数据的分析比较,采用滑动窗口残差统计方法对机组运行状态进行实时监视评价发现,发电机出现异常时,轴承温度呈现上升趋势,残差值超过设定的置信区间,从而能实现对故障的有效预测。文章的研究结果可为风电机组的安全高效运行提供参考。     

基于熵值法的大型风电机组运行状态综合评价

为实现大型风电机组安全经济运行,需要对其运行状态进行全面准确的评价。提出一种基于熵值法的大型风电机组综合评价方法。通过层次分析法归纳影响风电机组运行状态相关参数,在传统熵值法正负向指标基础上引入中间型指标,计算各子系统参数的信息熵值和权重,依据现场数据对机组运行状态进行综合评价。根据现场数据计算出的各指标权重客观真实,避免了由主观性和模糊性导致的偏差。验证结果表明:该方法可以较好地跟踪评价机组运行状态,及时发现隐患,为大型风电机组的安全经济运行提供参考。     

基于多元线性回归的风电机组齿轮箱温度预警研究

正风电机组的后期运行维护成本相当高,因此实时状态监测在风电机组中的应用越来越重要。风电机组齿轮箱的状态监测参数主要有温度、振动、油液等指标。目前大多数风电机组齿轮箱的故障预警机制较单一,如设定油池温度高于75℃报警,高于80℃停机;设定轴承温度高于90℃报警,高于95℃停机。这种常规的温度预警有一定的局限性。本文通过建立风电机组正常运行状态下的多元线性回     

基于风电机组状态的超短期海上风电功率预测

提出一种基于风电机组状态的超短期海上风电功率预测模型。首先,综合考虑海上环境因素以及风电机组部件间的相互作用建立指标的预测模型,以长短期记忆神经网络的预测误差作为监测指标的动态劣化度;然后采用模糊综合评价法对风电机组的运行状态进行评估,依据评估结果对风电机组历史运行数据进行划分;最后根据分类后历史运行数据建立基于机组状态的超短期风电功率预测模型。结合国内某海上风电场实例数据进行分析,算例结果表明所提方法可有效提高风电功率预测精度。     

海上风电机组的无速度传感器控制

鉴于海上风力发电机组运行环境的复杂性和不确定性,不易安装速度传感器,提出一种基于Hamilton模型的自适应控制和扩张状态观测器(ESO)相结合的转速辨识理论的无速度传感器海上风电机组控制策略。首先根据海上风电机组本身的物理结构特性,建立其端口受控Hamilton结构模型;然后基于此模型设计系统的全维状态观测器得到系统的速度估计,实现系统无速度传感器控制;同时在控制器设计中还考虑外界干扰问题,利用扩张状态观测器对系统扰动进行实时观测并补偿;最后,通过Matlab进行系统仿真,验证所提控制策略的有效性。     

永磁同步风电机组发电机定子温度建模方法

针对山地风电场大型永磁同步风电机组发电机定子温度的变化特点及传热过程进行分析,提出一种基于风电机组SCADA数据的发电机定子温度建模方法。首先,分析风电机组在实际运行过程中定子温度的变化情况;然后,根据永磁同步发电机内部的传热过程,对发电机定子温度建模;最后,采用风电机组正常运行时的SCADA数据求解模型参数。实例分析表明,风电机组状态正常时,定子温度估计的平均误差绝对值为0.59 ℃,模型精度较高;风电机组状态异常时,模型温度估计的平均误差绝对值为5.17 ℃,精度显著降低。     

基于SCADA及振动监测数据的风电机组变权综合状态评价

数据采集与监视控制(Supervisory Control and Data Acquisition,SCADA)系统是一套广泛应用于风电机组状态监测的系统。文章提出基于SCADA及振动监测数据的多数据源风电机组变权综合状态评价模型,并进行实例分析。研究表明,该模型在风电机组状态评价中是合理有效且可实现的,其评价结果为机组的维修决策及风电场运行优化提供了科学依据。     

风电机组状态监测系统现状研究

实现风电机组状态监测是保证机组长期安全稳定运行的有效手段,文章论述了风电机组状态监测系统的构成和特点,对目前国内外现已开展的监测系统进行了综述,并对基于共振解调、最优滤波解调、无线通信的状态监测系统结合具体厂家作了详细分析。最后对状态监测系统的发展和存在的问题做了展望和总结,风电机组各部件监测机制的完善、专家系统的建立、报警阈值的设置以及研发有效可行的软硬件系统是目前风电机组状态监测需要解决的关键问题。