大功率风电机组变桨系统故障诊断方法与技术研究进展

变桨系统是大功率风电机组重要的子系统,其主要功能是使桨叶快速高效地捕捉风能,最大限度地利用风能。作为故障频发的子系统,变桨系统能否正常运行直接影响机组的安全稳定运行。综述风电机组变桨系统故障诊断方法和技术的研究进展。首先,介绍变桨系统故障诊断的背景及意义;然后阐述变桨系统主要的故障类型、故障机理及相应的敏感参数,变桨系统故障诊断常用的三种方法,即基于解析模型、基于信号分析以及基于人工智能的诊断方法;最后,介绍基于SCADA系统数据的混合智能诊断技术的发展情况,对本领域未来的发展趋势进行了展望。     

基于PCA-KNN融合算法的风力机变桨角度故障诊断方法

针对风力机变桨系统变桨角度4种主要故障类型,基于机组SCADA数据分析,提出一种基于非参数核密度估计和Relief-F特征参数提取数据处理,以及PCA-KNN融合算法故障诊断的风力机变桨角度异常状态识别方法。首先,对风力机SCADA数据进行非参数核密度估计预处理,运用Relief-F算法提取变桨角度故障的7类（13个）特征参数;然后,通过PCA-KNN融合算法对变桨角度故障状态进行识别,结果表明：该方法能够准确识别变桨角度4种主要的故障类型。最后,将改进的PCA-KNN融合算法与常用的KNN算法、PCA-KNN算法和BP神经网络进行对比,结果表明：改进的PCA-KNN融合算法具有更为准确的识别率。     

基于SCADA数据特征提取的风电机组偏航齿轮箱故障诊断方法研究

针对风力发电机组偏航系统故障处理难度大和危害严重等问题,开发出基于数据采集与监视控制(SCADA)数据的偏航齿轮箱神经网络诊断模型.利用ReliefF算法和核密度-均值法提取能反映出偏航齿轮箱运行工况的7个SCADA参数,并提取出6种故障特征指标作为神经网络诊断模型输入量,来诊断偏航齿轮箱的正常状态、磨损故障以及断齿故障共3种运行状态.结果表明:经神经网络诊断模型训练后的误差精度满足诊断要求,能准确诊断偏航齿轮箱故障.