基于无参数经验小波变换的风电齿轮箱故障特征提取

风电机组通常以集群规模化运行,机组结构复杂、振动测点多,所产生的振动数据量大,仅靠人工进行故障诊断具有较大挑战。提出基于无参数经验小波变换的风电齿轮箱故障特征提取方法,运用尺度空间方法和经验法则对振动信号的傅里叶谱进行自动分割,获得不同的滤波频带,据此设计一系列经验小波滤波器对信号进行分解和重构,获得不同频带下的经验模式,进一步采用裕度因子对分解后的经验模式进行排序,选取裕度因子最大的经验模式作为故障敏感模式;该方法能在无需预设任何参数的情况下对振动信号进行分解与故障特征提取,具有自适应性。风电试验台和实测风电齿轮箱故障案例验证了方法的有效性。     

风电机组传动链典型故障特征提取方法

为解决风电机组传动链易发生故障的问题,文章阐述了风电机组齿轮箱特征频率的计算方法和基于振动信号分析的故障特征提取方法。结合实际情况,以行星级齿轮磨损、中间轴小齿轮崩齿、高速轴齿轮崩齿和发电机轴承电腐蚀等典型故障为例,通过齿轮箱特征频率和传动链典型故障振动信号基本特征分析,可较好地完成故障识别。结果表明,采用经典信号处理方法能对上述典型故障进行特征提取,验证了经典方法对单一、明显故障特征提取的有效性,为深入开展传动链故障特征提取方法研究奠定了基础,为风电机组故障检修维护提供了技术支撑。     

基于WGAN-GP的风电机组传动链故障诊断

传动链负责将风电机组叶轮的能量传递至发电机,若传动链中的任一部件,如齿轮、轴承发生异常,风电机组将面临巨大的安全隐患.现有基于深度学习的风电机组故障诊断大多需要人为选择目标变量,所识别故障与所选变量关联性大、通用性不足.梯度惩罚Wasserstein生成对抗网络(WGAN-GP)采用Wasserstein距离作为量度生成数据与真实数据的代价函数,具有训练结果稳定的优势.文中基于数据采集与监控(SCADA)系统提出两步数据预处理方法进行数据筛选,并基于WGAN-GP设计风电机组传动链异常状态分数,进而识别传动链故障.所提方法运用通用SCADA参数,无须人为挑选目标变量,可稳定识别风电机组传动链中的非特定故障,具有识别结果准确、泛化能力强等优点.9台双馈风电机组的状态识别结果验证了所提方法的有效性,可以辅助指导风电场的运行维护.     

风电机组齿轮箱非平稳振动信号谱分析方法

齿轮箱是风电机组的重要部件,其运行状态直接决定了风电场的收益,通过研究齿轮箱的振动信号来评判齿轮箱的运行状态具有重要意义。论述了风电齿轮箱的结构形式和故障特征,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2台风电机组齿轮箱高速轴振动信号;应用Hilbert能量谱和短时傅里叶重排谱对比分析,分别提取2台机组齿轮箱高速轴测点振动信号中蕴含的故障特征频率。分析得到一台机组齿轮箱高速轴损伤,实际验证了该齿轮箱高速轴故障为齿面点蚀。证实了Hilbert能量谱和短时傅里叶重排谱相结合的分析方法在提取风电齿轮箱故障特征频率的有效性和实用性。     

基于声发射信号的风电叶片缺陷定位及信号衰减仿真

为利用声发射信号对风电机组的叶片(下文简称"风电叶片")的缺陷位置进行定位,并分析信号的衰减特性,以由玻璃纤维-环氧树脂复合材料为主要材料制作的风电叶片为研究对象,通过ANSYS软件中的LS-DYNA模块仿真研究了声发射信号在该复合材料中的传播速度、规律及衰减特性.研究结果表明:声发射信号的传播方向与该复合材料中的玻璃...     

电解水制氢厂站经济性分析北大核心CSCD

氢能是支撑智能电网和可再生能源发电规模化的最佳能源载体,发展电解水制氢是实现碳减排的重要技术路径。当前,电解水制氢成本较高,尚不具备在工业、交通、建筑等领域大规模应用的竞争力。本文对电解水制氢厂站的全生命周期成本进行研究,比较不同技术路线下电解水制氢的成本构成。结果表明,设备购置成本、电力成本和设备耐久性是影响电解水制氢综合成本的关键因素。碱性电解槽由于具有更低的设备购置成本,综合制氢成本低于质子交换膜电解槽。提高电解槽运行温度、开发高效率电解槽以及提高电解槽耐久性可显著降低电解制氢厂站的全生命周期电耗,从而降低制氢综合成本。分析表明,每降低制氢电耗1 k Wh/Nm^(3),可降低氢气平准化成本幅度为1.1 P元/Nm^(3)(P是电价,元/kWh);当电价更低时,氢气的平准化成本也相应降低,电价降低0.01元/kWh,氢气平准化成本的降幅为0.057元/Nm^(3)。     

塔式太阳能热发电站冷盐泵振动机理及处理方法

针对塔式太阳能热发电站共性存在的冷盐泵振动问题,对塔式太阳能热发电站的冷盐泵支撑平台结构形式进行了分析,剖析了振动机理,发现了振动原因,并提出了“治标”方案和根本解决方法。研究结果表明：由于熔盐动能和动量很大,熔盐运行系统中较多的弯道导致流体在流动时产生巨大冲击力,是形成振动的激振源;同时,冷盐泵所处的悬臂梁结构支撑平台存在刚度差的问题,容易导致冷盐泵与平台设备的整体晃动。从设计角度减少弯道数量并增加支撑平台刚度是解决振动问题的有效手段,可对塔式太阳能热发电站的设计和安全运行提供帮助。     

基于深度学习的直驱风电机组故障辨识

对直驱风电机组进行故障预测预警能够大幅提高运维效率,利用深度学习进行SCADA数据建模为风电机组早期故障预警提供依据。采用随机森林方法筛选SCADA中与目标参量关联度较大的监测参量,用以构建深度神经网络数据驱动模型;以机组健康时的SCADA构建训练模型,统计分析其误差,确定故障预警阈值;分析在线测试数据集在健康模型中的误差变化规律,给出故障预警。文章提出的方法成功应用于1.5 MW直驱风电机组的早期故障辨识,对于风电场合理调配人员物资,优化运维策略具有重要意义。     

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RF和ANFIS算法的直驱风电机组故障预警

针对风电机组运行工况复杂和单一状态参数不能较好实现故障早期预警的特点,提出随机森林算法(RF)和自适应模糊神经网络算法(ANFIS)相结合的故障预警方法。该方法充分考虑机组运行数据高维非线性特点,应用随机森林算法,建立有功功率与运行参数的数据驱动模型,计算各运行参数影响有功功率的相关度;构建自适应网络模糊推理系统模型,以训练误差最大值作为故障预警阈值,实时监测发电机运行状态。将该方法应用于某1.5 MW直驱机组发电机故障预警分析,结果表明,该方法能够提前预警发电机健康状态,避免严重事故发生,对风电场开展预防性维护、维修具有重要的指导意义。