共查询到10条相似文献,搜索用时 155 毫秒
1.
风力发电机状态监测是通过实时监测风力发电机运行状态,旨在发现潜在故障,预防事故的发生,进而提高风电设备的可靠性与安全性。由于风力发电机组长期运行在恶劣环境下,容易出现各类故障问题,为避免经济损失,保证风力发电机组稳定运行,做好实时状态监测和故障诊断至关重要。文章针对风力发电机组的运行以及故障处理等相关技术进行了分析,从发电机、齿轮箱、叶片、电气系统、液压传动系统状态监测和故障诊断几方面,研究了风力发电机组状态监测和故障诊断技术应用,以此确保整个系统安全稳定运行。 相似文献
2.
风电机组各传动设备之间耦合性强,故障发生的原因复杂、多样,使用单一的故障诊断方法受自身的局限性影响,诊断效果不太理想。针对这一问题,通过分析风力发电机组转速故障数据及其影响因素,以风力发电机转速超限故障为例,提出一种基于故障树和概率神经网络的风电机组发电机转速超限故障智能诊断方法。首先,给出多层故障树构建方法,使用故障树分析法得到故障模式。然后,根据故障树节点关系规则和故障模式,提取风力发电机运行数据的特征值,建立概率神经网络的故障诊断模型,根据实际运行故障样本训练网络,将训练后的网络用于故障诊断。现场实验表明,基于故障树和概率神经网络算法对于风力发电机转速故障诊断准确率显著。 相似文献
3.
4.
主轴承作为风力发电机组的重要部件,一旦发生故障,会影响风力发电机组整机工作的发电性能,严重时故障甚至会造成停机,不仅影响发电量,更会产生高昂的维修费用。通过运用相关性分析,根据Pearson相关系数矩阵对原有的多个指标进行分析。然后运用主成分分析,首先对数据的原始特征预处理,得到6个主成分,然后将这6个主成分作为BP神经网络的输入,运用神经网络对风力发电机的主轴承进行预警。神经网络模型结果表明,该模型对风力发电机主轴承故障预警具有非常好的识别效果,基于主成分和神经网络对风力发电机主轴承故障预警对实现机组智能故障诊断,提高机组的运行效率具有十分重要的意义。 相似文献
5.
风力机状态监测与故障诊断技术研究 总被引:6,自引:0,他引:6
介绍了风力发电机组的基本构成,对风力机常用状态监测技术及主要测量参数进行了分析研究,并分析了风力机部件的常见故障,研究了部件的故障机理,最后,分析研究了适合于风力机的多种故障诊断方法,对国内外风力机状态监测、诊断技术和系统应用现状进行了概述。研究结果对保证风力发电机组安全运行,减少故障发生率,提高风力发电机组的运行可靠性.实现基于状态维修起到了指导作用。 相似文献
6.
风力机齿轮箱振动信号是一种时频特性复杂的非平稳信号,常规的时域和频域分析方法难以有效的分析齿轮箱故障及提取故障特征。提出一种基于小波分析和神经网络的风力机齿轮箱故障诊断方法,该方法采用小波时频分析技术对风力发电机故障振动信号进行消噪滤波,通过小波包分解系数求取频带能量,根据各个频带能量的变化提取故障特征,为实现智能诊断提供故障特征值。应用BP神经网络进行故障识别,并采用LabVIEW和matlab软件予以实现。结果表明,该方法能有效提高风力发电机组齿轮箱故障诊断的准确性。 相似文献
7.
8.
9.
10.
风力发电机组状态监测系统的设计可以有效降低机组的检修维护费用,保障机组的安全稳定运行。对风力发电机组状态监测和故障诊断技术进行了深入的研究,设计了风力发电机组状态监测系统,并详细介绍了系统的结构与功能。通过系统在大型风力发电场的成功应用,验证了其对风力发电机组状态监测与诊断的有效性。 相似文献