改进小波结合BP网络的风力发电机故障诊断

针对风力发电机早期故障时定子电流特征量难以提取的问题,提出了单子带重构改进小波变换结合BP神经网络的风力发电机故障诊断新方法。通过对风力发电机的定子电流进行单子带重构改进小波变换,消除了传统小波变换中的频率混叠现象;从小波变换后的子带信号中选取特征域、提取特征量作为BP神经网络的输入;在此基础上,结合BP神经网络的输入输出非线性映射能力,完成对故障的诊断和定位。经过仿真实验证实,该方法准确地实现了对风力发电机故障的诊断。     

基于BP神经网络的风力发电机温升故障诊断研究

论述了BP神经网络的系统结构及算法,并对风力发电机运行时影响温升的因素进行了分析,提取特征向量作为输入,利用BP神经网络建立特征向量与故障模式之间的映射关系,建立了基于BP神经网络算法的风力发电机温升故障诊断模型,并运用MATLAB软件进行仿真运算.仿真结果表明:该模型能够得到发电机温度的预测数值,通过将温度预测值与实...     

基于遗传算法与BP神经网的风力发电机齿轮箱故障诊断研究

为研究风力发电机组齿轮箱故障的诊断方法,提高其工作的可靠性,将BP算法寻优具有精确性与遗传算法全局寻优的优点相结合,提出一种新的BP神经网训练算法。通过算法比较和实例分析表明,该算法在风力发电机组齿轮箱故障诊断领域具有良好的实用性。     

风力发电机齿轮箱优化逐层故障诊断方法

风力发电机齿轮箱的故障诊断在风力发电机组正常运行中起着重要作用,除了识别故障类型外,故障的严重程度对风机的维护也具有指导意义,因此,一种优化堆叠诊断结构(OSDS)被提出以识别故障类型和严重性。首先对原始振动信号进行压缩采样,然后将压缩样本分别输入第1层和第2层深度信任网络(DBN),对故障类型和严重性进行识别,同时采用混沌量子粒子群优化算法(CQPSO)对每个DBN进行优化。通过两组实验得到的结果表明,故障类型诊断准确率分别达到99.24%和97.21%,故障严重程度诊断准确率达到99.06%,同时诊断时间仅为1.493和2.176 s。     

基于GA-BP神经网络的双馈风力发电机故障诊断

双馈风力发电机在风力发电系统中得到了广泛应用,但由于其工作条件及自身结构原因,导致故障发生率较高.BP神经网络作为一种多层前馈网络,在电机故障诊断分析领域应用成熟.为避免陷入极小值问题,利用GA遗传算法对其优化,建立GA-BP神经网络模型,对双馈风力发电机定子匝间短路特征进行分析,以定子电流为故障信号,经快速傅里叶分解...     

风力发电机传动系统故障诊断的机电仿真研究

为了研究风力发电机组传动系统齿轮故障在发电机电流信号中的响应过程,扩展电流信号诊断方法的应用范围。在考虑齿轮啮合刚度变化和模拟断齿故障变化特征的基础上,建立齿轮副动力学模型;以典型的双馈风力发电机为对象,建立双馈发电机及其控制系统模型。利用齿轮副和发电机的转速参数关联两个模型,构建机电联合仿真模型。在理论上研究齿轮正常或存在断齿时的电流故障特征,并与试验台模拟故障试验比较。仿真与试验结果表明,发电机定子电流可以准确反映齿轮的故障特征信息,且在离网状态下,主要会引起电流信号的频率调制特征。     

数字信号处理在风力发电机故障诊断中的应用

风力发电机工作在恶劣的自然环境下,极易出现故障,需要利用数据采集及监控系统对其运行状态进行实时监控,并对可能出现的故障进行诊断.介绍了风力发电机常见故障及常用的诊断方法.数字信号处理技术在其故障诊断中发挥了重要作用.     

基于EEMD-RVM风力发电机故障诊断方法研究

针对风力发电机早期故障表征不明显、能采集有效数据量较少、诊断结果精度较低等问题,文中提出一种运用综合经验模态分解(Ensemble Empirical Mode Decomposition,EEMD)结合相关向量机的方法对风力发电机多类故障进行早期诊断。首先,利用EEMD结合灰色关联度的方法对风机各类故障的振动信号进行预处理,提取最优故障特征;再通过相关向量机(Relevance Vector Machine,RVM)对提取的故障特征训练,并建立相应的故障诊断模型进行诊断。在实例中将文中所提方法 EEMD-RVM与小波包分解(Wavelet Packet Decomposition,WPD)结合RVM以及EEMD结合最小二乘支持向量机LS-SVM(Least Square Support Vector Machine,LS-SVM)方法的诊断结果作对比,结果表明,EEMD-RVM方法具有可行性,且具有耗时短、精度高等优点。     

基于神经网络的风力发电机变频器故障诊断研究

为了准确分辨风力发电机变频器故障类型,针对直驱式风力发电机变频器,给出了一种基于神经网络的风力发电机变频器故障诊断方法。分析了直驱式风力发电机变频器的结构、故障原理和故障类型,得到了一系列不同故障状态下直驱式风力发电机的输出电压波形变化情况,并对设计好的BP神经网络进行训练和测试,基于单纯神经网络训练时间长、预测结果不太理想等因素考虑,尝试采用遗传算法优化神经网络权值、阀值参数。仿真结果表明优化后的神经网络训练时间更短,且有更高的预测精度。     

航空发电机综合故障诊断技术研究

针对航空发电机的故障难以准确诊断的问题,提出了一种基于BP神经网络的航空发电机综合故障诊断方法,通过对BP神经网络数学原理及算法的深入分析与研究,构建基于BP神经网络的航空发电机故障诊断模型。结合某型航空发电机的真实试验数据,对所构建故障诊断模型的正确性进行了试验验证。在试验验证过程中,利用航空发电机真实试验数据的前60组对神经网络进行训练,后40组数据对神经网络进行测试,最终验证了所构建的故障诊断模型能够较好实现对航空发电机故障进行准确诊断的效能,且所采用的BP神经网络方法具有收敛速度快、识别能力强、精度高以及准确性高等优点。     

状态监测与故障诊断在风电机组上的应用

当前世界上风力发电发展迅速,状态监测和故障诊断技术在风电场运行中的作用越来越重要.回顾了状态监测与故障诊断技术的历史与现状,介绍了状态监测与故障诊断系统的基本结构和支撑技术.结合风力发电技术,对现有的风电机组状态监测与故障诊断技术进行了介绍,并指出了其发展方向.     

集成人工智能技术诊断电力变压器故障

提出了一种基于变压器油中溶解气体成分及其含量的变压器故障诊断方法 ,该法综合了进化算化、模糊理论、人工神经网络及范例推理 4种智能技术的优点并克服了其不足。实例分析表明该法诊断准确率较高 ,可用于工程诊断。     

基于坐标变换的双馈风力发电机组叶片质量不平衡故障诊断

首先分析了叶片质量不平衡故障时双馈风力发电机组的电气特性,提出了基于dq坐标变换规则的定、转子电流特性分析法;然后采用希尔伯特解调法对电流信号进行处理,突出了电流的故障频率;最后在Matlab/Simulink环境下进行了仿真,并在双馈风力发电机组实验平台上进行了验证。结果表明,叶片质量不平衡故障时,发电机定、转子电流中都包含故障频率——叶片转频,该方法在叶片不平衡故障的识别中是有效的,具有一定的工程应用价值。     

双馈风力发电机轴承的早期诊断

双馈风力发电机轴承的状态监测和早期故障诊断可以及时发现轴承故障,有效地降低风电场的运行和维护费用.首先用加速度传感器采集轴承振动信号,然后用两种方法进行特征信号分析:一是对信号进行经验模式分解,仅提取第一模态函数做Hilbert变换,从而根据包络图判断轴承的早期故障;二是对信号进行预处理,滤去与轴承故障无关的主要分量,再采用小波滤波器提取微弱的故障信号,进而根据故障指标的数值来判断.最后对这两种方法对比研究,试验结果表明,方法2可以更加有效地诊断出早期故障,具有一定的工程应用价值.     

一种基于模糊综合评判的变压器故障诊断方法

以模糊数学理论为基础,在对改良特征气体诊断法进行模糊化处理后,提出以模糊关系矩阵确定特征气体浓度与故障状态的相关性,研究并建立了模糊综合评判模型.依此模型可进行变压器故障诊断.     

双馈风力发电机组的分群方法研究

风电机组的分群对提高风电场等效建模的精度具有重要的意义.首先分析了常用分群方法的优缺点,在此基础上提出了一种基于双馈风电机组（DFIG）动态特性曲线分群的方法.将故障条件下DFIG动态特性曲线的相似度作为分群指标,运用系统聚类法对风电机组进行分群.然后又利用该分群方法,对风电机组运行状态曲线进行分区,从而得到一种快速的分群策略.最后通过仿真,对比分析了采用不同风电机组分群方法时风电场等效建模的精度,验证了所提出的风电机组分群方法的有效性和可行性.     

双核系统在风力发电设备故障诊断中的研究

针对发电机定子局部放电故障,提出了基于DSP＋ARM双核的风电机组状态监测系统,对发电机局部放电信号进行实时在线监测。给出了系统硬件和软件的设计方案,为上位机进一步诊断和预测风电机组的故障提供可靠的数据。结果表明,能够良好的、有效的对发电机绝缘状况进行故障诊断。     

智能故障诊断集成系统的研究

阐述了专家系统及神经网络用于故障诊断时集成的必要性,归纳了常见的专家系统与神经网络的集成结构及方法,总结了基于事例推理的优越性。采用嵌入式结构,将基于事例推理与ＢＰ神经网络相结合,提出了一种智能故障诊断新方案,对此方案进行了论证,详细介绍了方案的各个组成部分及实现方法。最后将该方法应用于某液压能源系统的故障诊断中,结果令人满意。     

基于DFIG的变速风电机组对系统暂态稳定影响

探讨了基于双馈风力发电机组(DFIG)的大规模风电场对电力系统暂态稳定性的影响。首先建立了DFIG的动态数学模型,讨论了DFIG的暂态响应特性;进而将风电场的电磁功率简化等值到同步发电机内节点,并等效为同步发电机"机械"功率,将风电机组暂态过程中机械功率的减小等效为近端同步发电机等值机械功率的线性衰减,利用经典等面积定则分析了DFIG对近端同步发电机暂态稳定影响机理;最后,基于Dig SI-LENT/Power Factory平台搭建仿真系统进一步验证理论分析的有效性,为分析大规模DFIG并网对电力系统暂态稳定的影响提供了一种参考思路。     

基于模型的风电机组变桨距系统故障检测

变桨距系统是风电机组的高频故障部件之一,对其进行早期故障检测,可以有效提高风电机组的运行可靠性,减少不必要的损失。采用基于风电机组物理特性的数学模型的方法对其进行故障检测。首先,建立了风电机组变桨距系统及其它部件的动态模型,描述出该模型的输入输出关系;然后,将该模型与实际系统并行运行,并将模型输出与实际系统输出比较产生残差,随后采用残差范数的均值作为故障判别函数进行故障检测;最后,通过对变桨距执行机构和桨距角传感器的故障进行仿真,验证了所用方法的正确性和有效性。