融合维纳过程和粒子滤波的风力发电机轴承剩余寿命预测

提出维纳过程与粒子滤波相结合的滚动轴承剩余寿命预测方法,将维纳过程引入粒子滤波状态空间模型,充分利用其随机增量性质,增强模型的非线性表达能力,提高预测的准确性。提出弱跟踪粒子滤波策略调整维纳过程,解决概率密度分布方差过大的问题。该方法在试验台轴承和风力发电机轴承测试数据中均得到验证,可准确预测轴承剩余寿命。     

风电光伏波动性电源对电解水制氢电解槽影响的研究进展北大核心CSCD

通过可再生能源电解水制氢,用于交通、工业等亟需脱碳的领域,是实现绿色可持续发展的重要技术路径。可再生能源具有波动性特征,风电表现为实时随机波动,而光伏发电表现为较为规律的昼夜周期特性。当电解槽输入波动性电源时,电解槽电压和电流发生变化,电流变化幅度明显高于电压。本文综述了碱性电解槽和质子交换膜电解槽在波动性电源输入下的性能衰退机制和材料劣化机理。对于碱性电解槽,波动性电源变化在分钟级以下时,电解槽无法快速跟随响应,导致反应平衡和热平衡无法建立,可能产生电极催化剂溶解、聚集,隔膜机械损伤,电解液析出堵塞反应通道等现象,使得电解槽性能发生衰减。对于质子交换膜电解槽,电源波动性导致阳极催化剂溶解、迁移、沉积和聚集,隔膜由于局部热点和羟基自由基攻击发生降解,双极板发生溶解和氧化腐蚀,导致电解槽性能下降。基于波动性对电解槽的工况-材料-结构-性能影响规律,进行正向设计开发,研究缓解策略,提升电解槽抵抗电源波动性能力,从而增加可再生能源利用率,对于降低电解水制氢成本、推动规模化应用具有重要意义。     

风电机组齿轮箱非平稳振动信号微弱故障特征提取

介绍风电机组齿轮箱的布置形式和结构特点。依据某类型风电机组齿轮箱特点,制定振动数据采集方案,采集两台风电机组齿轮箱高速轴振动信号;应用短时傅里叶幅值谱和小波尺度谱对比分析,分别提取两台机组齿轮箱高速轴测点振动信号中蕴含的微弱故障特征频率。分析得到一台机组齿轮箱高速轴损伤,实际验证了该机组齿轮箱高速轴为轻微点蚀故障。证实了短时傅里叶幅值谱和小波尺度谱相结合的分析方法在诊断风电机组齿轮箱微弱故障的有效性和实用性。     

基于一维密集连接卷积网络的风电齿轮箱智能故障分类

人工智能技术的飞速发展为现代能源装备的精益化故障诊断与健康管理提供了可能。风电齿轮箱由多个齿轮、轴承组成,且长期在变速、变载荷工况下运行,依靠传统的故障特征提取结合机器学习方法进行故障诊断存在精度低、缺乏智能性等缺点。文章提出了基于一维密集连接卷积网络的风电齿轮箱故障分类方法:将原始振动信号直接送入网络模型,经过密集连接、合成连接与卷积运算,匹配对应的故障类型,迭代训练故障分类模型;振动信号输入模型后的分类结果决定所属故障类别。文章所提出的风电齿轮箱故障分类方法具有诊断流程简单、故障识别率高等特点,多工况试验台故障数据验证了该方法的有效性。