风电机组功率曲线的优化研究

针对实际功率曲线与理论功率曲线在风速8~12m/s之间相差较大的情况,本文提出:通过提高额定转速或者提前变桨两种措施优化了功率曲线,减少了实际功率曲线与理论功率曲线的差距。同时通过对载荷的进一步分析,确认机组的强度不会受两种措施的影响,从而论证了这两种措施可行性,为功率曲线优化提供一种切实可行的方法。     

基于引力搜索神经网络的风电机组传动链故障识别

针对风电机组传动链故障识别由风电场制定合理维修策略可减少停机时间、降低维修费用问题,将引力搜索算法用于BP神经网络初始权值及阈值优化,提出基于引力搜索神经网络的风电机组传动链故障识别方法。算例结果表明,所提方法精度较BP神经网络高,能准确识别齿轮磨损、齿轮断齿、轴承松动等风电机组传动链典型故障,验证该方法的有效性。     

基于核极限学习机的风电机组齿轮箱故障预警研究

风电机组运行环境恶劣、机组设备衰退是近年来齿轮箱故障频发的主要原因,其设备状态与机组安全性、运营成本息息相关。面对这一挑战,利用监控与数据采集系统数据,提出一种将保局投影、核极限学习机和信息熵相结合的风电机组齿轮箱故障预警方法。采用保局投影对风电机组状态参数进行特征提取后,使用核极限学习机建立状态参数预测模型,最后辅以改进的加入信息熵概念,可准确预警异常工况。以河北省张家口某一风电场的运行数据作为实例进行研究,仿真结果表明,所提算法至少能提前2天预警潜在故障,验证该预警方法的有效性与实效性。     

基于RF和ANFIS算法的直驱风电机组故障预警

针对风电机组运行工况复杂和单一状态参数不能较好实现故障早期预警的特点,提出随机森林算法(RF)和自适应模糊神经网络算法(ANFIS)相结合的故障预警方法。该方法充分考虑机组运行数据高维非线性特点,应用随机森林算法,建立有功功率与运行参数的数据驱动模型,计算各运行参数影响有功功率的相关度;构建自适应网络模糊推理系统模型,以训练误差最大值作为故障预警阈值,实时监测发电机运行状态。将该方法应用于某1.5 MW直驱机组发电机故障预警分析,结果表明,该方法能够提前预警发电机健康状态,避免严重事故发生,对风电场开展预防性维护、维修具有重要的指导意义。     

BP神经网络预测风电功率

本文运用BP神经网络预测某风电场70台风电机在指定时间段内的输出功率,并通过软件仿真得到预测结果。得到672个时间点（15分钟为一个时间点）的预测数据后,采用日准确率、日合格率等四个指标对预测结果进行了评估。仿真发现,BP神经网络用于预测时,虽然动态性能较好,但准确度仍有待提高。     

基于多元角域指标离群检测的风电齿轮箱故障预警方法

针对风速和载荷随机波动造成的早期故障特征难以提取和量化的特点,提出基于多元角域指标离群检测的风电齿轮箱故障预警方法。首先利用阶比重采样技术将非平稳的时域振动信号转化为具有平稳或准平稳特性的角域信号,提取角域无量纲指标反映风电齿轮箱早期故障趋势;其次利用多元相关度测量建立风电齿轮箱早期故障识别模型;最后采用多元离群检测方法实现风电齿轮箱早期故障预警。实验表明,该方法能够实现较为准确地的风电齿轮箱早期故障预警,具有较好的工程实际意义。     

兆瓦级风电机组最佳功率控制

随着社会发展，清洁的可再生能源如风能的大力发展对缓解能源危机具有十分重要的意义，风力发电机组控制系统是机组组成的核心部件，其控制技术代表着发电机组的性能品质，本文主要介绍的是就兆瓦级风电机组最佳功率控制，希望能为同仁提供帮助。     

无量纲指标趋势分析法在风电机组齿轮箱故障预警诊断中的应用

针对风电机组运行工况复杂多变,早期故障特征提取十分困难的问题,提出无量纲指标趋势分析法以实现风电机组齿轮箱故障的早期诊断。通过阶比重采样方法对齿轮箱振动信号进行预处理,将非平稳时域信号转化成平稳角域信号,引用无量纲因子指标反映机组早期故障程度变化趋势;利用指标趋势分析法建立风电齿轮箱故障预警模型,并通过实验室数据和现场数据进行分析验证。结果表明,该方法能够比较准确的对风电机组齿轮箱早期故障进行诊断,并能初步估测故障发生时间,达到故障预警目的。     

虚拟式风电机组功率特性测试仪的研发

为了实现对风电机组功率特性的测试,依据IEC标准对风电机组的功率特性测试的方法、原理进行了研究,提出了风电机组功率特性的现场测试方法,并且结合现代虚拟仪器技术设计并开发出实用的风电机组功率特性测试分析仪,该仪器是在VMIDS系统基础上成功研制出来的,在成功完成对风电机组各参数提取的同时,能分析出风电机组的各项特性.     

基于长短期记忆网络的风电机组齿轮箱故障预测

针对风电齿轮箱状态监测数据的多变量动态时空关联性特点,提出了一种基于长短期记忆(long short-term memory,LSTM)网络的齿轮箱故障预测方法,主要包括离线建模和在线监测两个阶段。首先,以齿轮箱油温为目标预测变量,充分考虑其与其它相关输入变量之间在时空维度上的重要关联信息,对历史监测数据进行训练学习,建立齿轮箱正常运行时的油温监测LSTM模型,通过对预测残差进行评估计算设定相应的检测阈值;然后,将训练好的油温监测LSTM模型用于在线测试,通过模型残差分析和阈值比较实现齿轮箱故障状态的检测和预测;最后,通过风电场测试数据对所提出的方法进行验证。结果表明,相比于其它传统方法,该方法表现出更好的预测性能,能够较早预测故障的发生。     

定桨距与变桨距两种风电机组在某地的功率曲线和发电量比较

在某地对定桨距及变浆距两种风电机组的功率曲线和发电量进行比较。变桨距风电机组的风能利用系数高,发电性能好,优越性比较明显。本文通过在某风电厂搜集了几十台风电机组的有关数据,重点对定桨距与变桨距两种风电机组的功率曲线和发电量进行了分析比较。     

风电机组有功功率集散优化控制系统研究

研究了一种风电机组有功功率集散优化控制策略,并基于此提出一套风电机组有功功率集散优化控制系统开发方案,该系统架设于风电场自动发电控制（automatic generation control,AGC）系统以及风电机组机群能量管理系统（energy management system,EMS）之间,不改变AGC系统与EMS的原有架构,并且可综合考虑风机机群上网电价差异、设备稳定性、发电能力及寿命等因素,以利用上网电价较高、稳定性较好的发电设备为目的,从而实现风电机组有功功率的集散优化控制。     

基于粗神经网络的企业财务危机预警方法

分析了评价财务危机的指标体系和财务危机等级的划分,论述了粗神经网络的结构和基本原理,叙述了基于粗神经网络的财务危机预警方法,并给出了一个基于粗神经网络的财务危机的预警实例。实验结果表明,该方法应用于财务危机预警中是有效的,为财务危机预警提供了一条新的研究思路和方法。     

基于LMD与MCKD的风电机组轴承早期故障诊断方法

当滚动轴承出现早期故障时,其故障特征信号微弱,且环境噪声较大,因此其早期故障特征一般难以提取。针对上述问题,提出基于LMD与MCKD的滚动轴承早期故障诊断方法。为了克服局部均值分解（LMD）在早期故障诊断中易受噪声影响的不足,该方法对其包含故障信号大部分能量的前4 个乘积函数（product function, PF）分量进行最大相关峭度解卷积（MCKD）,突出轴承信号中淹没在噪声信号中的周期脉冲成分,最后再对其进行包络解调,便可得到轴承故障特征频率,进而对滚动轴承早期微弱故障进行诊断。实验信号验证了该方法的有效性。     

基于神经网络的故障检测方法研究

研究了神经网络在状态监测技术中的应用,通过对神经网络故障诊断技术和系统辨识技术的分析,在非线性系统辨识技术基础上,提出了一种基于神经网络非线性辨识技术的故障检测方法.给出了神经网络的有效训练算法,利用神经网络辨识系统模型,作为残差产生器,实时计算残差并进行逻辑判断,从而监测系统的工作行为是否异常.仿真结果表明这种故障检测方法是有效的,实时性强,鲁棒性好.并且神经网络的训练不需要故障模式数据,适用性好.     

基于增强型形态学滤波的风电机组轴承故障诊断方法

风电机组滚动轴承振动信号微弱故障特征易被背景噪声和其他频率干扰,提取难度较大.针对此类问题,提出一种增强型的形态学滤波及故障诊断方法.算法构造了一种新的形态学综合顶帽变换(morphological comprehen-sive filter-hat transform,MCFHT),将其用于强背景噪声下目标信号的故障...     

基于卡尔曼滤波算法的风电机组塔顶位移监测方法

针对风电机组塔顶位移在线监测问题,提出一种基于卡尔曼滤波算法的传感器信号融合方案。首先,建立用于塔顶转角测量的传感器迭代数学模型。然后,针对模型中传感器误差参数难以估计的问题,自行搭建实验平台优化模型参数,有效提高塔顶转角测量精度。在此基础上,通过仿真获取不同风速条件下塔顶位移与转角的线性关系,实现从塔顶转角到塔顶位移的转换。现场测试结果表明,基于该方法对塔顶位移监测的结果与仿真结果一致性高,且在额定风速区域机组塔顶位移达到最大,符合实际情况。该方案成本低廉,具备较高的工程应用价值,可为高耸结构姿态测量提供新的思路。     

基于长短期记忆神经网络的风力发电功率预测方法

风力发电过程具有较强的随机性,导致风力发电功率的预测准确度不高。针对上述问题,提出了一种融合深度学习算法的风力发电功率预测方法。以历史风力发电功率数据作为输入,建立风力发电功率预测模型,实现对未来一个时间刻度的风力发电功率预测。算例结果表明,与传统时序预测方法相比,基于长短期记忆神经网络的风力发电功率预测结果在各项指标中误差更小,验证了上述方法在风力发电功率预测中的可行性和有效性,提升了风力发电功率预测的准确性。     

基于小波包与倒频谱分析的风电机组齿轮箱齿轮裂纹诊断方法

为实现风电机组齿轮箱及时有效地监测和维护,提出基于小波包与倒频谱分析的风电机组齿轮箱齿轮裂纹诊断方法。该方法针对齿轮裂纹振动信号为转速频率对啮合频率及其倍频调制的特点,利用小波包分解来识别振动信号中的故障特征,通过小波包频带能量监测得到故障部位的啮合频率范围;考虑到倒频谱可以分离和提取难以识别的密集调制信号的周期成分,基于倒频谱识别故障部位的转速频率,综合利用两种频谱分析方法得到的啮合频率和转速频率,能诊断故障部位和类型。实验研究表明,该方法能精确地诊断齿轮裂纹故障,并可以实现对风电机组齿轮在复杂环境中退化状态的监测,预防断齿等重大故障的发生。     

国产最大功率直驱式风电机组批量并网发电

3月5日,湘电集团湘电风能有限公司研制生产的我国首批13台2MW直驱式风力发电机组,在大唐漳州六鳌风电场成功并网运行。专家组在严格审核试验数据后当场宣布,各项技术指标均达到或超过国家风机稳定性运行试验标准。这是我国国产最大功率直驱式风力发电机组首次批量并网发电。