共查询到20条相似文献,搜索用时 31 毫秒
1.
2.
《可再生能源》2017,(6):893-899
变桨故障是风电机组重要的停机故障之一,对变桨系统进行故障预测并提高预测精度,是风电开发的关键技术,不但保证电网安全运行而且减少运维成本。分析处理SCADA系统数据,提取相关联参数,即输出功率、风速、桨距角和转子转速。采用BP神经网络对系统进行模型训练,考虑到风电机组参数具有波动性、不确定性等,同时采用小波BP神经网络进行模型训练。建立变桨故障预测模型,预测未来15 d的变桨系统运行情况,用于制定合理的运维方案。通过MATLAB系统仿真研究,对比分析了预测模型性能指标、误差指标和输出数据图形,小波BP神经网络训练预测模型诊断精度比BP神经网络提高了17%,可信率提高了18%,诊断能力提高了15.4%,诊断误报率降低了17%。 相似文献
3.
4.
在风电场远程监控系统中,能够实现风电场中风电机组的故障诊断与预测,对于风电机组的安全、稳定、经济运行具有重要意义。在风电场监控系统中只是对风电机组单个参数进行实时监控,当监控系统某一参数超过阈值范围时,无法确定风电机组中某个具体部件存在问题。因此分析风电机组远程监控系统中实时参数对风电机组中设备的权重影响变得极为重要。本文旨在对风电机组中故障率频发的变桨系统进行深入探究,针对影响变桨系统故障的各项因素,运用APH方法进行权重评估,得出各个因素对变桨系统的影响程度,从而更加准确地判断出变桨系统的故障原因。 相似文献
5.
随着风电机组装机容量的不断攀升,同时带来并网发电率低、机组故障率高等缺点,导致风电机组整体利用率较低。为此提出一种基于数据融合的风电变桨系统故障预警方法。首先结合SCADA系统中的运行统计信息和历史数据,采用Relief特征参数选择方法筛选出与风电变桨系统故障相关的特征参数;然后采用数据融合的方法,建立基于MSET技术的风电变桨系统故障预测模型,并采用滑动窗口法进行故障预警阈值的确定;最后以上海某风场1.5 MW双馈异步风电机组进行实例分析,结果表明该方法可提前发现风电变桨系统故障征兆,实现对风电变桨系统的早期故障预警。 相似文献
6.
7.
正变桨系统是风电机组的重要组成部分,它可以通过控制桨距角来控制风轮转速,从而达到恒定输出功率的目的。此外,还可以通过收桨动作使风电机组以空气动力制动的方式安全停机,从而保证了风电机组在不同风况下的安全运行。目前,电动变桨技术以其性能优良,维护方便,环保等诸多方面优点而逐渐取代液压变桨,但是运行过程中诸多故障的出现也不容忽视。变桨系统中电气滑环主要作用是实现轮毂与机舱之间电能和控制信号的传递。变桨中央控制箱与机舱控制柜的连接通过滑环实现,进而执行对轮毂内的轴控箱的控制工作。此外,风电机组机舱与变桨之间用于数据交换的 相似文献
8.
针对某风电场MW级风电机组在运行过程中出现的故障,基于SCADA系统的故障记录与运行缓存(Buffer)数据进行分析,明确各台风电机组的故障原因.在出现这些故障的原因中,有2台风电机组是由于低电压穿越变桨控制策略存在缺陷而引起的风轮转速超速,基于风电机组动力学与变桨控制理论,针对该问题提出低电压穿越变桨控制策略优化方案... 相似文献
9.
10.
11.
12.
基于激光测风雷达数据,针对风速的非线性特性,提出麻雀搜索算法(sparrow search algorithm, SSA)优化极限学习机(extreme learning machine,ELM)进行风速预测。搭建预测模型,根据预测风速对风电机组进行预变桨,分析风电机组叶根矩载荷。采用新疆某风电场激光测风雷达数据仿真并与其他预测模型分析对比。结果表明,麻雀算法优化的极限学习机可精确预测风速,且显著提升极限学习机预测速度及不同风速条件下的动态性能;预变桨后,风电机组叶根矩载荷大幅减小,提升了桨叶使用寿命及运行安全性。 相似文献
13.
分析叶片变桨速率对于风电机组机械载荷影响的机理,并基于某2.5 MW双馈型风电机组载荷实测数据,对相同外部条件不同叶片变桨速率停机过程的载荷数据进行分析,研究叶片变桨速率对风电机组疲劳与极限载荷的影响。运用GH Bladed软件,对不同叶片变桨速率停机工况下的风电机组载荷进行仿真计算,验证叶片变桨速率与风电机组载荷之间的内在关系。现场测试数据与仿真结果均表明,风电机组停机过程中的载荷特性与叶片变桨速率相关,且随着叶片变桨速率的增加,疲劳与极限载荷随之明显增加。由叶片变桨速率增大导致的风电机组极限载荷增加比例与疲劳等效载荷增加比例相近。 相似文献
14.
分析了海上风电机组的荷载来源,为某漂浮式风电机组设计了控制策略,并重点仿真验证了驱动链加阻、塔筒加阻和独自变桨控制算法在海上风电机组的控制效果,最后提出了漂浮式风电机组的动态停泊模式。 相似文献
15.
针对传统PID变桨控制器参数自调整性能较差,适应性不强的问题,文章提出了风电机组变初值模糊PI变桨控制算法。通过模糊控制算法实现了PI参数的自动调节,根据风速大小设计了合理的变初值调整算法,实现了模糊控制器初值的在线调节。基于FAST风机软件中5 MW陆上风电机组非线性模型,分析了风电机组在额定风速以上运行时变桨系统的动态特性,从算法结构出发,设计了合适的模糊规则和量化、比例因子以及变初值调整算法,在Matlab/Simulink中搭建了变初值模糊PI变桨控制策略。通过仿真验证了控制策略在抑制转速波动和风机叶片、塔基受力力矩波动方面具有较好的效果。 相似文献
16.
17.
18.
针对复杂工况下风电机组变桨系统故障检测问题,采用在线序贯极限学习机建立变桨系统状态监测模型,利用ReliefF算法进行模型的特征选择,通过量子进化算法优化在线序贯极限学习机的超参数集,并引入马氏距离函数计算变桨系统状态监测模型的残差,判断风电机组变桨系统的异常。以辽宁某风电场1.5 MW双馈风电机组变桨系统为例,将所提出的模型分别与粒子群优化极限学习机、粒子群优化支持向量机、随机权神经网络、极限学习机和反向传播神经网络模型进行对比,结果表明所提出的模型精度优于其他模型,所提方法的故障检测正确率高于3σ阈值法和核主成分分析方法。 相似文献
19.