基于时间延迟的风机齿轮箱状态优化维修

风电机组运行环境恶劣,故障频发,尤其以齿轮箱的故障居多,造成风机整体维修成本偏高。针对以上问题,提出了一种基于时间延迟的状态优化维修策略,在时间延迟模型的基础上考虑振动监测信号,先结合故障数据和状态监测数据求得齿轮箱的比例危险函数和可靠度函数,再采用单位运行时间内平均维修费用最小的方法优化得到最优状态维修阈值,最后依据该阈值实施风机齿轮箱的优化状态维修。通过对某风电场仿真分析,求得了最优状态维修阈值,并制定了维修策略。仿真结果证实了该策略在避免过度维修和维修不足问题以及节约维修成本方面的有效性。     

基于比例强度模型的风力发电机齿轮箱优化检修决策

针对传统的风力发电机齿轮箱检修方式存在的不足,引入针对可修系统检修的比例强度模型(proportional intensity model,PIM)概念,提出一种基于故障数据和状态监测数据的风力发电机齿轮箱检修策略。分析了PIM中各参数的意义,并阐述了参数估计算法。利用最小维修成本法确定最优维修决策阈值,绘制最优维修阈值曲线,并制定最优维修策略。通过某型风力发电机齿轮箱的实例分析,验证了此方法在风力发电机齿轮箱维修决策中的应用价值。     

基于比例失效模型的风机齿轮箱轴承检修

提出一种基于故障数据和状态监测数据的风力发电机齿轮箱轴承的新型检修策略.分析了比例失效模型中各参数的意义.利用最小维修成本法确定最优维修决策阈值,绘制最优维修阈值曲线,进而制定出最优维修策略.通过某型风力发电机齿轮箱轴承的实例分析,证明了此方法在风力发电机齿轮箱轴承维修决策中的使用价值.     

考虑不完全维修的风电机组状态–机会维修策略

风电机组主要部件维修费用昂贵、可用度低,且不总能够通过维修恢复如新。针对这一问题,提出一种考虑不完全维修的风电机组状态–机会维修策略。该策略应用比例强度模型来描述风电机组部件的不完全维修,通过状态指示器来表述部件的运行状态,并根据状态指示器与状态维修阈值函数和机会维修阈值函数之间的大小关系来确定部件的维修时间和维修方式。在维修因子取值不同的情况下,两条维修阈值函数可通过单位运行时间内平均维修费用最小的方法优化得到。最后,利用风电机组部件的历史故障数据和状态监测数据,从经济性和可用度两方面进行仿真,来验证该策略的有效性和实际应用价值。     

基于改进粒子群算法的牵引变电所维修优化研究

牵引变电所维修优化方案的合理制定是保证铁路电力运输重要的一部分,维修要兼顾系统的可靠性和维修的经济性。采用故障树法、GO法对牵引变电所进行定性分析和定量分析,得到了其定性维修策略和定量可靠度的推导公式。以文献中调研数据为基础,对周期性维修策略进行改进,建立了考虑牵引变电所维修经济性和满足系统可靠度的维修优化模型,根据改进粒子群算法求解模型,制定分别从考虑单个设备可靠度和整体可靠度两个方面的维修优化策略。仿真结果表明,基于改进粒子群算法的牵引变电所维修优化模型是客观有效的。该模型能反映系统可靠度越高,维修费用越高的特性,并且可根据不同维修费用限制选择系统可靠度的最低值。     

基于比例强度模型的变压器不完全检修策略

将不完全检修这一实际问题考虑到变压器状态检修策略中,提出了基于比例强度模型的变压器状态检修策略.首先,建立变压器比例强度模型,给出比例强度模型中不完全检修参数的详细计算模型,并对计算过程中的时间参数和检修参数进行敏感性分析,确定其合理的取值范围,明确不完全检修活动的检修效果;然后,确定变压器状态检修策略,利用最小成本法确定比例强度模型的状态检修阈值曲线,并增设阈值下限值作为状态检修策略的限制性指标;最后,利用实际变压器故障统计数据和状态监测数据进行算例分析,从检修成本、检修次数和检修时间三方面分别分析改进后的比例强度模型在不完全检修情况下的有效性,为变压器的状态检修决策提供可靠的理论依据.     

基于可靠度的风电机组预防性机会维修策略

风电机组关键部件维修会产生昂贵的固定维修费用、停机损失及发电损失。针对该问题,提出一种风电机组的预防性机会维修策略。在每个部件可靠度函数服从威布尔分布的基础上,依据可靠性要求估算各部件的预防性维修时间。通过定义机会维修可靠度裕度,并将之与预防性维修时间点处可靠度函数的斜率绝对值的倒数相乘,计算出每个部件的机会维修区间。利用二次抛物线插值法,以总费用为目标函数对机会维修区间进行优化,使得维修费用最小。结合实际风场维修案例进行仿真,结果表明,预防性机会维修策略比预防性维修策略减少了停机维修次数,节省了维修成本,因而证明了该策略的有效性。     

基于可靠度的输电塔维修决策研究

提出了确定重要构件的两步法,即利用大型有限元软件ANSYS建立输电杆塔结构有限元模型,先对其进行等效风荷载作用下的应力分析以确定必须监测构件以及建议监测构件,再通过构件变化对杆塔一阶振型的灵敏度分析确定构件的相对重要性,从而实现了在实际工程中可根据经济条件和实际需要合理地确定重要构件的目的;基于材料的P-S-N曲线推导了构件的疲劳失效函数和疲劳可靠度函数,对重要构件建立了预防性不完全维修决策模型,在保证构件疲劳可靠度的基础上以单位时间维修成本最小为目标优化维修模型,通过算例分析验证了模型的有效性。     

风电机组的状态-机会维修策略

风电机组主要部件的维修需要高昂的费用,针对该问题,提出一种新的风电机组动态维修策略,即状态–机会维修策略。该策略指出风机各部件的衰退过程服从比例失效模型,部件的运行状态可通过状态指示器来表述,且部件何时维修以及如何维修可通过状态指示器与维修阈值函数的比较结果来确定。当某部件状态指示器的值越过该部件状态维修阈值函数时,对该部件实施状态维修,此时,若存在其他部件的状态指示器越过自身的机会维修阈值函数,则对其实施机会维修。两条维修阈值函数可通过维修成本最小的方法确定。最后,仿真结果验证了该策略的有效性。     

基于AHP的地铁关键设备分析与维修优化

针对地铁在长期运营维护过程中缺乏对关键供电设备的重要度分析及采用周期性维修策略表现出的效率低、成本高问题,通过建立地铁牵引变电所故障树模型计算系统中关键设备的重要度,考虑到维修计划的制定要综合考虑设备在系统中的地位、维修费用、停机损失等因素,采用层次分析法建立设备运营维护方式评价指标体系和决策模型,同时在无限时间域中建立以可靠度为约束、以单位时间维修费用最小为目标的维修优化模型,给出计算单位时间内成本函数和最优预防维修时间间隔参数的优化计算流程。实例分析和仿真结果表明,所提模型的实际应用将在维持设备较高可靠度的同时有效减少维护成本。     

基于故障风险水平的海上风电场机会维护策略

海上风电场的维修费用占发电总成本比例较高。为降低海上风电场的运维成本,在基于可靠度阈值的机会维护策略基础上,针对风电机组子系统间存在的故障相关性与子系统故障风险水平,文中提出一种包含故障风险水平、可靠度双阈值和维护矩阵的海上风电场机会维护策略。首先,采用故障链模型对风电机组子系统间的故障关系进行描述,并建立风电机组各子系统的可靠度模型。其次,引入多级维护的概念,提出考虑故障风险水平的风电场机会维护策略优化模型,采用粒子群算法对子系统机会维护的风险因子进行优化,进而确定单台机组的维护策略。然后,综合考虑海上可及性、备件库存等因素,提出一种基于维护矩阵的海上风电场维护策略优化模型,以单位时间维护成本最小为目标函数,根据子系统的备件库存和故障风险水平来对维护策略进行动态调整。最后,以某海上风电场中单台风电机组为例,分析可及率、多级维护等因素对风电场机会维护策略的影响。结果表明,考虑故障风险水平的机会维护策略相比传统机会维护策略费用率可降低27.34%,验证了所提机会维护策略在降低维护费用方面的有效性。     

基于时间延迟理论的海上风电机组不定期检修策略

由于海上环境特殊,海上风电机组发生故障时适宜采取部件整体更换方式。实施状态检修选取合适的更换周期是降低运维成本的一个有效策略,但海上状态监测和健康诊断等技术还不够完善。针对此问题,以海上风电场运维日志为基础,借鉴状态检修中设备存在潜在故障—功能故障间隔的思想,将时间延迟理论引入海上风电机组维修中,对部件从潜在故障到功能故障的发展规律进行建模,并在此基础上提出一种适用于海上风电机组的不定期检修策略,优化部件更换周期。案例分析表明,所述方法能够确定一组最优的运维策略,使部件单位运行成本期望值处于一个较低水平,同时灵敏度分析结果能对优化出的策略进行运行风险评估。     

海上风电机组分阶段预防性维修策略

针对海上恶劣环境所引起维修费用昂贵的问题,结合部件失效率曲线,提出了海上风电机组分阶段预防性维修策略。首先引入容量因子,修正海上风电机组单位时间停机损失。其次,视风电机组为多部件复杂系统,结合维修情况更新部件和机组可靠性。在考虑预防性维修成本和对机组可靠性提高量的影响下,构建费效比(return on investment,ROI),采用离差标准化方法,确定各个部件的维修方式。以单位时间维修成本最低为目标,部件可靠性为约束,采用反向粒子群算法(opposition based learning-particle swarm optimization,OBL-PSO),得到最优维修时间间隔和全寿命周期内预防维修次数。最后,以某海上风电机组为例进行仿真分析。仿真结果表明,分阶段预防性维修策略比传统等时间间隔的维修策略减少了停机维修次数,能够进一步降低维修成本,为海上风电机组维护策略的制定提供指导。     

基于可及度评估的海上风机机会维修策略

海上风电机组的维修费用较高,在一定程度上限制了海上风电产业的发展。针对此现象,提出一种将故障维修与预防性维修相结合的机会维修策略。考虑海上天气情况对维修活动的影响,采用马尔科夫法和动态时间窗描述海上天气状况,提出可及度指标评估海上风电机组维修的可及性。运用蒙特卡洛法模拟部件的随机故障,并选择合适的周期,以周期内成本期望值最小为目标,对仅考虑更换措施以及考虑不完全维修、更换措施的机会维修策略的维修阈值进行优化。以某海上风电机组为例进行仿真,结果表明,考虑不完全维修、更换措施的机会维修策略对降低海上风电维修成本的效果更为可观,从而证明该策略的有效性。     

风力发电机组状态监测与智能故障诊断系统的设计与实现

风力发电机组状态监测和故障诊断技术,可以有效降低机组的运行维护成本,保证机组的安全稳定运行。阐述了风力发电机组的基本构成。在介绍风电机组常见故障的基础上,分析了机组中的主要部件齿轮箱和发电机的故障。针对齿轮箱和发电机的故障提出了一种智能诊断的新方法,并以此设计开发了风力发电机组状态监测与智能故障诊断系统,详细介绍了该系统的原理、结构及功能。     

考虑台风影响的海上风电机组部件剩余寿命预测方法

针对台风天气影响下海上风电机组剩余寿命预测问题,提出了考虑退化状态与台风冲击相依的海上风电机组部件剩余寿命预测方法。基于台风冲击模型及部件状态对部件退化过程的影响分析,构建了考虑退化状态与冲击相依的海上风电机组部件剩余寿命可靠度模型。利用实际监测数据对部件可靠度模型进行修正更新,建立了剩余寿命动态预测模型。采用fmincon函数对离散化处理后的部件可靠度模型进行参数估计,结合运行监测数据修正参数,进而动态预测剩余寿命。以某海上风电机组齿轮箱部件为例进行仿真,验证了所提方法的有效性。     

兼顾可靠性和经济性的电力设备最优状态维修策略

针对由多种元部件组成的、难以直接得到整体可靠度的大型复杂设备,研究了兼顾可靠性和经济性的状态维修策略。首先通过故障树分析方法获取所研究的设备在未经维修时的、原始的可靠度函数,然后定量分析了状态维修次数对设备可靠度的影响。之后,分析了状态维修的经济性问题,其中包括因状态维修提高了设备可靠度而减少的故障损失和状态维修成本两个方面,二者之差即为状态维修收益。该收益为状态维修次数、状态维修时间和设备可靠度等的函数。文章所研究的兼顾可靠性和经济性的最优状态维修策略的目标就是要使该收益最大化。建立了该问题的数学模型,给出了求解方法,最后用算例作了说明。     

A dynamic-model-based fault diagnosis method for a wind turbine planetary gearbox using a deep learning network

The planetary gearbox is a critical part of wind turbines, and has great significance for their safety and reliability. Intelligent fault diagnosis methods for these gearboxes have made some achievements based on the availability of large quantities of labeled data. However, the data collected from the diagnosed devices are always unlabeled, and the acquisition of fault data from real gearboxes is time-consuming and laborious. As some gearbox faults can be conveniently simulated by a relatively precise dynamic model, the data from dynamic simulation containing some features are related to those from the actual machines. As a potential tool, transfer learning adapts a network trained in a source domain to its application in a target domain. Therefore, a novel fault diagnosis method combining transfer learning with dynamic model is proposed to identify the health conditions of planetary gearboxes. In the method, a modified lumped-parameter dynamic model of a planetary gear train is established to simulate the resultant vibration signal, while an optimized deep transfer learning network based on a one-dimensional convolutional neural network is built to extract domain-invariant features from different domains to achieve fault classification. Various groups of transfer diagnosis experiments of planetary gearboxes are carried out, and the experimental results demonstrate the effectiveness and the reliability of both the dynamic model and the proposed method.