基于SCADA系统的风电变桨故障预测方法研究

风电机组变桨系统故障是目前造成机组停机的第一原因。文章对未来30 min的风电机组变桨故障进行预测,通过分析变桨系统潜在故障,制定维护保养计划;针对兆瓦级风电机组,分析SCADA系统的数据,提取变桨距系统故障特征;从风速、风向、桨距角和电机转速的输入、输出关系出发,应用多元线性回归分析和BP神经网络分别对变桨系统进行模型训练,对比两种算法的预测能力。通过分析故障预测模型性能指标、误差指标和输出数据图形可知,BP神经网络在风电变桨系统中的故障预测效果优于多元线性回归预测。     

基于小波BP神经网络的风电机组变桨系统故障预测

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%。     

基于机器学习算法与SCADA系统的风电机组变桨系统变频器的故障预警方法研究

变桨系统是风电机组的关键设备,但由于风电机组长期处于复杂的工作环境,导致变桨系统故障成为风电机组故障中最常见的故障之一,而变桨系统变频器故障在变桨系统故障中的占比很高.基于此,提出了一种变桨系统变频器的故障预警方案,分析SCADA系统数据,将机器学习算法应用于故障预警,并将模型温度残差作为故障预警的指标;然后,针对随机...     

基于AHP的风电机组变桨系统权重分析

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。     

基于数据融合的风电变桨系统故障预警研究

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。     

基于支持向量机的风电机组变桨系统故障诊断

风电机组变桨系统是风电机组发生故障最频繁的部件之一,对其故障类型的精确诊断能够提高风电机组维护计划的效率.针对异步电机和行星齿轮箱的各种故障类型,提出了一项以风电机组三相电流数据为基础的多分量故障诊断方法.该方法通过深度自动编码器从三相电流数据中提取特征向量,并采用支持向量机进行故障分类.上述方法以风电机组变桨驱动器为...     

基于变桨系统故障的多部件条件维修策略优化

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     

基于SCADA系统的某风电场MW级风电机组快速故障诊断与控制策略优化

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...     

基于超级电容的海上风电机组电动变桨系统设计

变桨系统是海上风电机组的核心部件,对机组安全运行具有十分重要的作用。液压变桨系统存在漏油等问题,蓄电池电动变桨系统存在电池的低温性能差、使用寿命短等问题。文章探讨了使用超级电容作为后备电源的电动变桨系统的设计,并对蓄电池与超级电容进行了比较分析。用超级电容作为海上风电机组电动变桨系统的后备电源,可充分发挥超级电容耐低温、寿命长的特性,提高风机安全性和运行效率,降低海上风电机组的维护成本。通过分析变桨系统力矩,对超级电容电动变桨系统的选择进行了理论计算和推导,并进行了实际测试,为海上风电机组电动变桨系统后备电源的设计提供了有效方法。     

发电机故障时海上风电机组动态特性分析

以海上风电机组为研究对象,建立了风电机组模型,以湍流风和随机波浪作为输入条件,考虑重力载荷、空气动力载荷、惯性力载荷和波浪力载荷的影响,基于FAST软件仿真发电机故障时风电机组的运行过程,并研究了发电机故障时变桨速率对风电机组载荷的影响规律.结果表明:故障对风电机组叶片危害严重,发生故障时受惯性力增大的影响叶根处轴向力发生突变,叶根处受力最大;采用主动控制变桨-顺桨对叶片进行卸载,变桨速率对叶尖位移有重要影响.     

基于扰动观测器的分数阶终端滑模电液变桨控制方法

为改善风电机组电液变桨系统的控制性能,文章提出了基于扰动观测器的分数阶终端滑模控制方法。建立风电机组电液变桨系统数学模型,利用滑模状态扰动观测器（SMSPO）对变桨系统参数的不确定性和未知扰动进行实时补偿。采用分数阶微积分理论设计终端滑模控制器的滑模面,在保证有限时间收敛的同时,改善了滑模控制自身抖动。利用Simulink进行试验验证,结果表明,该方法增强了变桨系统的抗干扰能力,削弱了系统的抖动,提高了桨距角的跟踪精度和变桨系统的稳定性。     

基于激光测风雷达及SSA-ELM的风电场短期风速预测

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。     

叶片变桨速率对风电机组停机过程载荷特性影响研究

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。     

海上风电机组荷载分析及控制研究

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。     

基于5MW风机模型的变初值模糊PI变桨控制技术研究

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。     

一种基于区间划分的风机故障预警方法

针对大型风电机组运行工况复杂多变,仅依靠恒定温度值作为变桨装置是否预警的触发指标,容易造成不报、误报及排查时间不足等问题的现象,提出了一种基于环境温度和风速等参数进行区间划分的在线故障预警方法。首先,对各子区间依据显著性差异分析方法设定不同的预警阈值;然后,将实时数据代入相应子区间判断是否异常;最后,采用滑动窗口方式计算异常率,并结合现场经验设置异常率预警上限作为触发预警指标。经过现场验证,将该分析方法用于河北冰峰风场1.5 MW风机变桨系统故障预警。结果表明,该方法能够准确预测风机状态变化趋势,实现变桨装置故障预警,降低风电机组运行和维护成本。     

大型风电机组电动变桨系统变桨角度故障诊断

为提高大型风电机组电动变桨系统变桨角度故障的判别准确性,结合模糊粗糙集特征量约简和基于粒子群算法优化的支持向量机进行变桨角度故障诊断分析研究。首先基于模糊粗糙集理论建立变桨系统特征参数约简的数学模型,通过对变桨相关运行数据进行约简,确定对故障诊断贡献率较高的参数;再利用实际运行数据训练经粒子群优化的支持向量机,从而获得高精度诊断模型;然后设计基于双层支持向量机的故障程度判别模型,可对故障进行进一步分类。最后通过实际运行数据对变桨角度故障进行诊断实验,实验结果表明,该诊断方法能准确快速地判别故障并可进行故障程度分类。     

基于量子进化在线序贯极限学习机的变桨系统故障检测

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。     

基于外推法的风电变桨控制系统设计

随着现代风电技术的发展,风电的装机容量越来越高。对于大型风力发电机而言,如何提前对风电功率进行预测以减少惯性所带来的影响,弥补变桨机构执行引起的时滞性显得非常重要。尝试利用外推法设计了一种无模型风电变桨控制器,在MATLAB中风电系统的数学模型上模拟了变桨控制,验证了该变桨控制器对稳定输出功率的改善作用。     

基于风轮气动特性的风力机变桨优化控制策略研究

当风速大于额定风速时,风电机组通过控制变桨机构调整桨距角来减小风能捕获,从而使机组的输出功率保持在额定功率附近。变桨系统一般采用PI(比例积分)控制算法,但由于风轮气动转矩与风速、风轮转速、桨距角呈高次复杂非线性关系,单一控制参数的变桨控制器难以满足风电机组在额定风速以上的运行性能要求。为了解决单一变桨控制性能不足的问题,提出一种基于风轮气动特性的风力机变桨优化控制策略,该策略通过测量桨距角当前值来动态调整变桨控制器参数,可有效提升变桨系统随风动作连续性,减小由变桨控制引起的转速与功率波动,削减机组由变桨动作引起的动态载荷。