基于卷积神经网络的风电机组齿轮箱状态监测方法

为了实现对风电机组齿轮箱的状态监测,文章提出了一种基于卷积神经网络的风电机组齿轮箱状态监测方法。首先,提取风电机组数据采集与监视控制(SCADA)数据和振动信号作为参数,组成齿轮箱状态矩阵。其次,建立了一种卷积神经网络模型,该模型针对输入数据设计了特定结构和池化层规则,提高了计算效率,能够从齿轮箱状态信息中提取特征并判断其状态。最后,利用实际运行的风电机组数据对卷积神经网络模型进行了训练和验证,最终取得了96.3%的识别精度。同时,将该模型应用于对同一风场其他机组的状态监测,结果验证了卷积神经网络模型对齿轮箱状态监测的有效性。     

风电机组轴承磨损的油液监测技术研究与应用

轴承作为风电机组中的关键性、精密型机械部件,在运行过程中易产生磨损,其可靠性直接关系到风电机组的安全稳定运行,因此对其磨损状态进行监测是必要的。通过实例对几种典型的风电机组轴承磨损油液监测技术进行了探索,证实了这些技术的可行性和有效性,对预警滚动轴承磨损和预防设备事故有重要的意义。     

风电机组齿轮箱故障分析及改进措施

本文总结了风电齿轮箱在运行、维护过程中的常见问题,并对其主要影响因素进行了分析,提出齿轮箱在设计、生产、运行维护时需要采取的措施及相关建议,以提高风电齿轮箱的可靠性。     

基于SCADA数据的风电机组齿轮箱状态监测方法

为解决故障劣化渐变过程的长时间序列对齿轮箱状态监测模型的影响问题,提升其决策精度,提出一种基于数据采集与监控(SCADA)数据的组合建模方法。首先,采用主成分分析法(PCA)选取与齿轮箱温度密切相关的输入观测向量,并应用长短期记忆(LSTM)神经网络分别对齿轮箱正常工况和异常工况独立建立温度模型;其次,结合模型输出结果与SCADA数据提取残差分布特征向量,建立随机森林残差分布模型对机组齿轮箱运行状态进行监测;最后,对某大型风电场机组进行模型建立和仿真研究。结果表明,基于LSTM神经网络结合随机森林算法对风电机组齿轮箱状态监测有较强的实用性和较高的准确率,为后续开展齿轮箱健康度评价提供了新的方法和思路。     

风电机组齿轮箱润滑油清洁度控制

1引言主齿轮箱是双馈型风电机组的核心部件,其基本功能就是将风力推动叶片所产生的低转速高扭矩功率,转化为发电机所需的高转速低扭矩功率。因此齿轮箱的可靠性往     

基于改进集成KNN回归算法的风电机组齿轮箱状态监测

风电机组齿轮箱是容易发生故障的重要部件,维修费用高昂,因此有必要对其进行实时状态监测。针对集成K近邻(KNN)算法对随机采样不敏感的问题,提出了一种基于规则采样的改进集成KNN模型。首先利用距离相关系数进行变量选择,然后基于正则化互信息对变量进行排序,将其用于规则采样,构造子训练集,最后基于统计过程控制方法设置预警阈值对实时残差进行分析,根据健康度曲线对风电机组齿轮箱健康度进行监测,并利用某风电机组实际数据对所提方法进行验证。结果表明：所提方法显著提升了模型估计精度,该模型优于常规集成KNN模型,可以实现齿轮箱的早期故障预警。     

风电机组主齿轮箱油品水污染及处理

1概述中国风电产业虽然起步相对国外较晚,但在近几年的快速发展后,已后来居上,2010年中国(不包括台湾省)新增安装风电机组12904台,装机容量18927.99MW,年同比增长37.1%;累计安装风电机组34485台,装机容量44733.29MW,年同比增长73.3%。如此大的风电机组保有量,加之多分布在风能资源丰富的内蒙古、甘肃、东北、河北区域的野外,交通不便捷,因此,风电机组要安全运行20年,对风电机组研发、制造、安装和维护均提出了很高的要求。然而,由于我国的风电     

基于不同运行状态的风电机组齿轮箱故障率预测模型

以往基于威布尔故障分布曲线对风电机组齿轮箱故障率的研究主要考虑时间因素,在此基础上,该文进一步考虑齿轮箱实际运行状态,结合威布尔故障分布模型中的浴盆曲线,构建同时考虑时间（t）和运行状态（s）的齿轮箱故障率模型,并计算其在4种不同运行状况（整体故障率升高、整体寿命缩短故障时间提前、故障期故障速率加快、故障期寿命缩短）的组合下模型的可靠性函数、故障累计分布函数、故障概率密度函数和特定时间下特定数量设备发生故障的概率。     

基于模型融合的风电机组齿轮箱故障诊断

针对单视角特征及单一模型对齿轮箱复合故障的诊断准确率较低的问题,提出基于比例冲突分配规则的模型融合故障诊断方法.首先,对齿轮箱振动信号进行特征提取,针对复杂复合故障,从时域及时频域角度构造特征;然后,将多视角特征送入多个子模型中进行初步诊断,得到互补性强的诊断结果;最后,模型输出的分类概率由第6类比例冲突分配规则(PC...     

国内风电齿轮箱产业现况和发展建议

面对风电产业产能过剩、市场竞争激烈的困境,齿轮箱企业应抓住机遇,做好转型调整,与整机企业一同强化科技支撑体系,打好基础,促进产业健康发展。     

基于AVMD和WDK的风电齿轮箱轴承复合故障诊断方法研究

针对强背景噪声下轴承微弱复合故障特征提取困难的问题,提出一种基于自适应变分模态分解（AVMD）和优化的Wasserstein距离指标（WDK）的风电齿轮箱轴承复合故障诊断方法。首先,引入自适应学习粒子群优化算法（ALPSO）,以平均包络熵作为ALPSO的适应度函数来搜索变分模态分解的最佳影响参数,从而构造AVMD;其次,结合Wasserstein距离（WD）和峭度优点,提出WDK指标筛选有效模态分量,并对筛选的有效模态分量进行重构;然后,通过对重构信号进行包络谱分析实现轴承复合故障的诊断;最后,将所提AVMD-WDK方法应用于某风场2 MW风电齿轮箱轴承振动信号的故障诊断。结果表明,该方法能有效提取轴承的微弱故障特征,实现轴承复合故障的精确诊断。     

基于长短时记忆网络融合SCADA数据的风电齿轮箱状态监测

针对不具有时间记忆能力的机器学习方法融合风电机组数据采集与监控系统(SCADA)的时序数据而导致风电齿轮箱状态预测精度不高的问题,提出基于长短时记忆(LSTM)网络融合SCADA数据的风电齿轮箱状态预测模型。选择能表征风电齿轮箱运行状态的某个监测量作为模型的输出量,基于灰色关联度选择与该监测量关联密切的SCADA参数作为预测模型的输入量;使用正常状态下的SCADA数据训练LSTM预测模型,得出预测值和残差,通过3σ准则计算出上下预警阈值,用于风电齿轮箱状态监测和故障预警。某风电场风电齿轮箱的SCADA数据验证表明所提出的方法能有效预警风电齿轮箱故障。     

风力发电实验用模拟风力机

在风力发电机控制、风力机最大功率点追踪控制(MPPT，Maximum Power Point Tracking)等相关的研究中，风力机是必备的实验设备，但是，在没有风的情况下，或在实验室，就无法进行这些实验和研究。作者开发了一种模拟风力机，有了它，就可以在实验室随心所欲地进行风力发电的初期实验研究工作，从而缩短研发的周期和减小实验研究的费用。首先用6次多项式来拟合风力机的转矩特性曲线。然后根据当前的风速和风力机转速来计算风力机的转矩，将此转矩作为转矩指令控制感应电机来模拟风力机，感应电机通过控制逆变器来驱动。最后，给出了用此模拟风力机所做的MPPT实验研究结果，验证了该模拟风力机的良好特性。     

基于粒子群优化BP神经网络的风电机组齿轮箱故障诊断方法

提出了一种基于粒子群优化BP神经网络风电机组齿轮箱故障诊断方法。粒子群算法不需要计算梯度,可以兼顾全局寻优和局部寻优。利用粒子群算法对BP网络权值和偏置进行优化,减少了BP神经网络算法陷入局部最优解的风险,提高了神经网络的训练效率,加快了网络的收敛速度。考虑风电齿轮箱振动信号的不确定性、非平稳性和复杂性,提取功率谱熵、小波熵、峭度、偏度、关联维数和盒维数作为故障特征。经测试,算法诊断结果正确,表明了PSO优化BP神经网络用于风电机组齿轮箱故障诊断的有效性和实用性。     

基于改进小波包的风电机组齿轮箱复合故障特征提取研究

针对小波包分解振动信号时会产生频谱混叠从而导致齿轮箱复合故障特征能量谱提取困难的问题,提出基于旁路滤波改进小波包的方法对双馈风电机组齿轮箱复合故障振动信号进行研究,并以风电场的大量齿轮箱振动信号为基础,运用传统小波包及旁路滤波改进小波包分别对齿轮箱振动信号提取特征能量谱。实验结果表明：运用旁路滤波改进小波包对双馈风电机组齿轮箱复合故障振动信号进行分析,可有效避免传统小波包分析振动信号的频谱混叠现象,准确提取每种故障状态的特征能量谱。     

基于S-SLLE的风电机组齿轮箱故障诊断方法研究

针对风电机组齿轮箱结构复杂、受交变载荷和恶劣工作环境影响容易出现故障导致停机的问题,提出基于统计学K-均值聚类理论的统计型监督式局部线性嵌入流形学习(S-SLLE)特征维数约简方法,首先通过对齿轮箱振动信号时频域故障特征提取,剔除冗余特征向量,减少诊断模型的复杂度和计算量,再利用RBF核支持向量机分类器建立诊断模型,对...     

水平轴风力机气动性能计算模型

基于片条理论建立了水平轴风力机气动性能计算模型,考虑叶尖损失、轮毂损失、叶栅理论及失速状态下动量理论的失效对片条理论进行了修正,并且考虑了风剪切、偏航、风轮的结构参数和风力机安装参数对计算模型的影响,使得理论模型更接近于实际工况中的风力机。应用所设计的气动性能计算程序对一台1．3MW的失速调节风力机进行了气动性能计算,与国外大型商业软件的计算结果取得了良好的一致性,从而验证了模型的正确性和实用性。     

挟沙风对风力发电机叶片冲蚀磨损的数值研究

风力发电机叶片的风沙冲蚀问题是风电机组耐候性研究的重点之一,该文通过数值模拟的方法,基于1.5 MW的叶片,建立相似模型,研究不同沙尘粒径、不同来流风速和不同叶尖攻角等冲蚀条件对叶片的磨损特性及规律。研究表明：叶片受到的磨蚀率随风速增大而增加,在9 m/s风速时冲蚀分布集中于叶根、叶尖附近,随着风速增大冲蚀由叶根向叶片的中后段移动,且冲蚀效果更显著;随着沙粒粒径增大,叶片磨蚀率逐渐增大,且集中在叶根和叶片中前段;风沙冲蚀角度影响叶片表面的冲蚀分布,角度越大,冲蚀分布的面积越大。     

ZOND Z—40风力格塔架的模态分析

对由美国引进的ZOND Z－40风力机塔架我们自己设计的塔架的固有振动特性进行了计算,通过模态分析,结果表明,用国产的风力机塔架可以替代进口塔架。