基于数据驱动的风电机组状态监测与故障诊断技术综述

随着大规模风电场的建设,风电机组的状态监测和故障诊断成为一个重要的研究课题。早期的风电机组状态监测和故障诊断依靠人工巡检,而随着风电机组装机容量的不断增长,人工巡检的成本和难度也随之增加。近年来,基于数据驱动方法的风电机组状态监测和故障诊断逐渐成为热点。文中从运行数据类型出发,对相关研究内容进行综述。首先,针对风电机组数据采集与监控（SCADA）系统,从监测对象角度出发,剖析基于SCADA数据的状态监测与故障诊断方法的研究现状;其次,针对风电机组组件振动数据,分析对比各类振动故障特征提取方法的优点和局限性;然后,针对新兴基于图像数据或数据-图像转换数据的状态监测与故障诊断方法,从单一图像诊断和数据-图像转换评估两方面对现有研究进行论述与总结;最后,对未来状态监测和故障诊断的研究方向进行了展望。     

大功率并网风电机组状态监测与故障诊断研究综述

状态监测与故障诊断技术是降低大功率并网风电机组的故障率和其运维费用的有效手段之一。对风电机组状态评估和故障预测进行综述。首先,在分析国内外风电机组故障统计情况的基础上,提出状态监测需要关注的风电机组关键部件;其次,综述风电机组整机综合状态评估和故障预测研究现状;然后,重点评述和分析风电机组关键部件的状态监测与故障诊断方法;最后,提出大功率并网风电机组状态监测与故障诊断的研究要点及趋势。     

基于SCADA运行数据的风电机组塔架振动建模与监测

振动信号是风电机组数据采集与监视控制(supervisory control and data acquisition,SCADA)系统中的一类重要变量.对振动信号的建模和分析可以实现对机组重要部件如塔架、传动链、叶轮等的状态监测工作.采用非线性状态估计技术(nonlinear state estimate technique,NSET)作为建模方法,在对风电机组塔架振动特性及其影响因素进行细致分析的基础上,建立了塔架振动模型.该模型由额定风速以下和额定风速以上两部分子模型构成.同时,对非线性状态估计技术的物理意义及特点进行了深入的分析和探讨.在某风电机组2006年4至6月份SCADA数据的基础上,建立了覆盖其正常工作状态的塔架振动模型,并对该模型进行了验证.研究表明,基于NSET的塔架振动建模方法具有方法简单、物理意义明确和建模精度高等优点,为后续拟开展的风电机组振动状态监测和早期故障诊断打下了良好的基础,同时为风电机组振动分析提供了新的思路.     

振动监测技术在风电机组齿轮箱故障诊断中的应用

研发了针对风力发电机组传动齿轮箱的振动监测与故障诊断系统。该系统主要由本机监测系统、风电场集中监测诊断系统、远程监测诊断中心3层结构组成。本机监测系统完成机组传动系统各部件的状态监测数据的采集,并将数据传输到风电场集中监测诊断系统。风电场集中监测诊断系统主要进行数据存储、显示和分析诊断,并将数据通过互联网传输到远程监测诊断中心,实现风电场设备群的远程监控分析和精细故障诊断。给出该系统的应用实例,通过对比分析2台相同型号风电机组的齿轮箱振动信号,实现对出现异常状态机组的判断,保障风电机组设备的安全可靠运行。     

基于人工蜂群算法的海上风电机组齿轮故障诊断方法∗

针对传统方法在海上风电机组齿轮故障诊断中应用效果不佳,不仅误诊率较高,而且召回率较低,无法达 到预期的故障诊断效果,提出了基于人工蜂群算法的海上风电机组齿轮故障诊断方法.首先利用振动加速度传感器拾 取齿轮箱振动信号,对振动信号进行小波阈值降噪处理,然后基于处理后的振动信号,利用人工蜂群算法优化后的 BP神经网络对齿轮故障进行识别诊断.经实验证明,该方法误诊率在１％以内,召回率在９５％以上,具有良好的可 行性与可靠性.     

汽轮发电机组振动监测与故障诊断系统的研究开发

介绍了振动监测与故障诊断系统，该系统能够监测机组异常振动，将振动数据信息存储到数据服务器中，为趋势分析和故障诊断提供数据来源，可对机组进行在线与离线故障诊断。     

状态监测在风电机组齿轮箱上应用的探讨

状态监测不仅适用于风电机组齿轮箱，同时适用于风电机组的主轴，发电机和偏航系统轴承状态的监测，状态监测可以对风电机组进行故障诊断，还可以针对正在运行的风电机组，进行运转状态的全过程监测。     

风电机组振动监测与故障预测系统

为了保障风电机组的安全运行,研发了风电机组振动在线监测与故障预测管理系统。其主要包含振动信号采集模块、风电场监控中心以及远程监控诊断中心3部分。振动信号采集模块完成振动信号的采集,并通过光纤交换机将信号传输到风电场监控中心;风电场监控中心主要用于显示、存储及分析振动信号特征,给出风电机组运行状况;远程监控中心通过与风电场建立联系,实现风电机组的远程监控,为实现无人值守风电场奠定基础。该系统利用振动信号时域和频域分析方法得到振动信号特征,进而确定风电机组的运行状态,并利用随机子空间方法对风电机组的故障进行预测。通过振动信号仿真分析,以及风电场实际应用分析,验证了所研发系统的有效性。     

风电机组综合状态在线监测与远程诊断中心的建立

近年来,风电机组振动状态在线监测系统得到不断地应用和推广,但是仅对机组机械传动部分振动信号进行评估分析,监测手段过于单一,不能全方位捕捉机组故障状态.为此,提出在风电机组振动在线监测技术研究的基础上,进行风电机组叶片应变状态监测、齿轮箱油液在线监测、发电机电气参数监测及风电机组生产运行参数监测技术的研究,研制风力发电机组综合状态在线监测系统,并建立远程诊断中心,将风力发电机组振动在线监测系统全面升级为风力发电机组综合状态在线监测系统,以期为实现风电场少人、无人值守目标奠定坚实的基础.     

基于改进辅助分类生成对抗网络的风机主轴承故障诊断

基于振动信号的风电机组故障诊断方法是风电安全运维领域研究的重点之一。风电机组主轴承较少发生故障,给运用数据挖掘方法判断故障类型带来很大困难。针对该问题,文中提出了一种用于风电机组主轴承故障诊断的数据增强方法。通过对辅助分类生成对抗网络(ACGAN)的适应性进行改进,引入梯度惩罚,构建了改进ACGAN框架,以提高其学习稳定性;在判别器网络中引入池化层,以提升其在多分类场景下提取数据特征的能力。仿真结果表明,所提出的改进ACGAN框架能够实现对原始数据分布特征的有效学习,抗噪声干扰性强,相对于原框架训练过程更稳定,生成数据的质量更高;能够有效平衡风电机组主轴承故障振动数据,进一步提升了风电机组主轴承故障诊断的正确率。     

大型水轮发电机组状态监测与振动故障诊断技术研究

本文对水轮发电机组振动问题作了分析,阐述了旋转机械振动故障诊断方法的基本原理及应用,探讨了实现机组状态监测及振动故障诊断的有关问题。     

风电机组故障诊断实现方法探讨

笔者针对风电厂优化运行管理的要求,讨论了风电场状态监测解决方案.以小波分析故障诊断的理论为基础,提出了风电机组状态监测的实现方法.根据风电机组传动链多采用齿轮箱的实际情况,塔建了实验室齿轮箱模拟试验台,并模拟实验获取故障特征值的方法;最后给出了基于风电场监控系统的OPC嵌入式风电机组状态监测和故障诊断系统包括现场监控数...     

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.     

大型风力发电机组故障诊断方法综述EI北大核心CSCD

故障诊断技术是保证风场运行效率并降低风场运营成本的关键。对风电机组故障诊断技术进行综述,按照基于定性诊断、定量诊断的分类方式,针对现有风电机组故障诊断方法并结合故障诊断系统进行分析。对每一类现有故障诊断方法再次归类,指出这些方法的基本思想、适用条件和应用范围以及优缺点,并探讨了风电机组故障诊断技术未来可能的主要发展方向。     

大型风力发电机组故障诊断方法综述

故障诊断技术是保证风场运行效率并降低风场运营成本的关键。对风电机组故障诊断技术进行综述,按照基于定性诊断、定量诊断的分类方式,针对现有风电机组故障诊断方法并结合故障诊断系统进行分析。对每一类现有故障诊断方法再次归类,指出这些方法的基本思想、适用条件和应用范围以及优缺点,并探讨了风电机组故障诊断技术未来可能的主要发展方向。     

基于支持向量机和多源信息的直驱风力发电机组故障诊断

提出了一种综合考虑风速、转速以及主轴水平方向和垂直方向振动的时域特征参数、频域特征参数等多源信息的基于支持向量机(support vector machine,SVM)的直驱风力发电机组故障诊断方法。对直驱风电机组正常状态、风轮质量不平衡、风轮气动不平衡、偏航和断叶片等5种状态进行实验分析,研究不同状态下的机组特征。根据实验分析结论,将风电机组主轴水平方向、垂直方向振动的时域参数、频域参数以及风速、转速选为描述机组运行状态的特征参数,对机组进行故障识别。将风电机组5种状态下的特征参数作为学习样本,在SVM中训练,建立不同特征的参数向量和故障类型的映射关系,从而达到故障诊断的目的。根据风电机组不同故障的实验数据,对考虑多源信息的故障模型进行应用检验。结果表明,该方法简单有效,具有很好的故障识别能力和良好的鲁棒性,适合直驱风电机组故障诊断,同时可以满足在线故障诊断的要求。     

风电场主设备预警诊断系统设计与开发

针对风电场环境恶劣,设备故障早期监测难且机组故障率高的问题,提出一种基于多参量建模与振动信号频谱分析的风电场主设备预警诊断方法。首先,采集风电场在线监测系统、点巡检系统、监控系统及其他系统中的结构化和非结构化数据,并根据设备特点和应用系统要求,对多源数据进行预处理和有效融合;然后,基于多参量建立预警模型,并通过预警模型输出与振动信号频谱分析实现对设备状态数据的趋势分析;最后,设计并开发预警诊断系统,展示设备预警信息、故障诊断结果与运维决策建议。风电场主设备预警诊断系统为风电机组智能在线监测提供了一种新思路,可实现设备故障提前预警,降低机组故障率,提高设备维护人员的工作效率。     

基于改进DEMD和ICA的海上风机传动系统早期故障诊断

针对传动系统早期故障振动信号较弱的情况,提出基于改进微分经验模式分解(DEMD)和独立分量分析(ICA)的海上风机传动系统早期故障诊断方法。为克服传统的DEMD算法在分解低阶本征模态函数(IMF)时存在失真现象,提出改进的微分经验模式算法将原始振动信号分解成若干个独立的IMF信号,结合ICA进一步进行原始振动信号故障特征分量的提取,并基于标准数据和风机动力传动故障诊断实验平台进行了仿真研究,最后选取海上风电机组传动系统常出现的发电机轴承故障进行诊断分析。结果表明,相对于传统的故障诊断方法,该方法能更好地放大故障分量,减少噪声和其他振动干扰信号的影响,提高了海上风电机组传动系统早期故障诊断的准确性。     

ITT变换在风电机组滚动轴承故障诊断中的应用

为实现风电机组滚动轴承微弱故障诊断,提出了基于改进的时时(ITT)变换的风电机组滚动轴承故障诊断方法。由时时(TT)变换可得到一维轴承故障振动信号的TT变换矩阵,实现滚动轴承振动信号的二维TT表示。提取该TT变换矩阵的对角线元素可滤除低频干扰信号,起到增强故障特征的效果。鉴于噪声对TT变换分析效果具有重要影响,提出基于能量熵准则的奇异值分解降噪方法改进TT变换,以提高TT变换的抗噪能力,实现强背景噪声条件下轴承微弱故障特征提取。仿真、实验及工程应用实例结果均表明所提方法可以有效诊断出风电机组滚动轴承的故障类型。     

风力发电机组状态监测与故障诊断研究综述

随着风力发电装机容量的快速增长,风电机组的运维工作量也日益增加,但有效的故障检测和诊断方法仍然缺少。在简述风力发电机组结构及其故障特征的基础上,针对风力发电机组的主要故障部件,详细介绍了齿轮箱、叶片及发电机等现有的状态监测和故障诊断方法,总结了现有风力发电机组状态监测与故障诊断中的不足,对风力发电机组监测和诊断的发展方向进行了展望。