风电机组在线振动监测系统及现场应用

基于振动分析领域中频谱分析和包络谱分析方法,研制开发了风电机组在线振动监测系统,该系统能够有效诊断风电机组传动部件(主轴、齿轮箱、发电机)的故障及损伤,及时给出设备运行状态报告,提供合理的维修建议,对现场设备进行科学管理,缩短了非计划停机时间,提高了风电机组的可利用率。     

基于AC-GAN数据重构的风电机组主轴承温度监测方法

为更好地识别风电机组主轴承运行状态,提出了一种基于辅助分类生成对抗网络(auxiliary classifier generative adversarial networks, AC-GAN)的数据重构算法对风电机组主轴承温度进行监测。首先,利用采集与监视控制系统(supervisory control and data acquisition, SCADA)时序数据建立基于轻型梯度增强学习器(light gradient boosting machine, LightGBM)的主轴承温度预测模型,并计算其残差特征。其次,利用统计过程控制(statistical process control, SPC)方法对主轴承温度异常残差在控制线范围内进行筛选,并利用AC-GAN算法对残差进行重构。最后,分别提取主轴承温度正常和异常的残差特征,建立基于自然梯度提升(natural gradient boosting, NGBoost)的主轴承状态监测模型。实验结果表明,该方法对主轴承运行状态判断准确度高达87.5%,能够有效地监测风电机组轴承类运行状态。     

风力发电机组发电机前轴承故障预警及辨识* .txt

摘要：为实现风电机组发电机前轴承故障预警及辨识，将监控和数据采集系统(SCADA)时间序列数据和状态监测系统振动数据相结合，提出了一种时频域建模方法。首先，利用SCADA数据建立基于门控循环单元神经网络的发电机前轴承温度模型，并计算其温度残差特征；其次，提取发电机前轴承振动信号时域特征和频域特征；最后，将温度残差特征和振动信号时频域特征相融合，建立基于极限梯度提升的前轴承故障辨识模型，从而辨识发电机前轴承正常、内圈损伤、外圈损伤、轴不平衡、滚动体损伤5类情况。实验研究表明，该方法比单独利用振动信号特征开展前轴承故障预警辨识的准确率高，其正常、内圈损伤、外圈损伤的平均辨识准确率从87%、585%、65%，分别提升到885%、675%和74%。 .txt     

风电机组综合状态在线监测与远程诊断中心的建立

近年来,风电机组振动状态在线监测系统得到不断地应用和推广,但是仅对机组机械传动部分振动信号进行评估分析,监测手段过于单一,不能全方位捕捉机组故障状态.为此,提出在风电机组振动在线监测技术研究的基础上,进行风电机组叶片应变状态监测、齿轮箱油液在线监测、发电机电气参数监测及风电机组生产运行参数监测技术的研究,研制风力发电机组综合状态在线监测系统,并建立远程诊断中心,将风力发电机组振动在线监测系统全面升级为风力发电机组综合状态在线监测系统,以期为实现风电场少人、无人值守目标奠定坚实的基础.     

基于空间相关与自适应滤波的齿轮箱故障诊断

振动信号作为风电机组齿轮箱故障诊断的重要依据，一直是风电机组故障诊断领域关注的研究热点。基于不同频率、不同能量振动信号的传播规律，对齿轮箱上不同测点的振动信号的相关性进行分析，建立以互相关信号为参考信号的自适应滤波模型，利用该模型提取振动信号中的相似成分，进而利用幅值谱分析相似成分，得到更加清晰的转频及其倍频，为齿轮箱的故障诊断提供依据。方法的有效性得到实测振动数据的验证。     

面向风电场景的联邦学习平台高性能通信优化

风能作为清洁能源为改善我国能源结构发挥着越来越重要的作用. 风电场机组及设备的数据可能会包含机组或风场的隐私敏感信息, 这些隐私数据一旦被泄露, 将会为风电场带来巨大的经济风险和法律风险. 联邦学习作为重要的隐私计算手段, 能够保证原始数据不出本地的情况下完成模型的建模和推理, 实现各参与方在互不泄露隐私的前提下实现联合计算, 从而有效应对风电数据分析面临的挑战. 但是, 联邦学习计算过程中存在大量的通信开销, 这成为限制联邦学习技术在风电场景下应用的关键性能瓶颈. 因此, 本文以经典的联邦学习算法XGBoost为例, 深入分析了联邦学习计算过程中的通信问题, 提出采用RDMA作为底层传输协议的解决方案, 设计并实现了一套高性能联邦学习平台通信库, 有效提升了联邦学习系统的性能.     

风电机组振动监测理论研究及应用

1引言随着运行时间的推移,各风电场风电机组相继过了质保期,如果故障所导致非计划停机时间过长,将会造成极大的经济损失。通过对风电机组振动信号进行采集、分析处理,能够有效评估机组运行状态,在机组发生故障之前便给出预警,为现场人员提供科学的判断依据,从而可以