风电机组智能状态评估与故障预测研究进展

针对日趋大型化、复杂化的风电机组,综述了神经网络、模糊逻辑等智能化方法应用于状态评估与故障预测的研究进展.首先介绍了影响风电机组状态的主要因素,并对四种重要组件的常用状态监测技术进行了归纳;其次介绍了风电机组状态评估和故障预测的智能化方法与技术,通过归纳文献资料发现:本领域未来以开发实时在线评估与预测技术发展重点,对S...     

基于健康样本的风电机组状态评估与异常检测系统

针对目前风电机组状态监测系统存在的不足,提出了基于健康样本的风电机组状态评估与异常检测系统,该系统建立了风电机组工况参数和关键部件性能参数间的映射关系,通过实时计算风电机组关键部件性能参数的健康值,能实时评估其运行状态。实例分析表明,该系统克服了单一静态阈值报警的不足,能有效地识别出机组关键部件存在的异常。     

融合集对分析和证据理论的风电机组运行状态评估

为及时准确地评估风电机组运行状态,结合集对分析和证据理论各自的特点提出了一种风电机组运行状态评估的新方法。该方法根据风电场数据采集与监控系统的物理量,构建机组运行状态评估的指标体系,建立了一个2层评价模型。模型第1层采用集对分析处理指标不确定性的劣化度,并生成模型第2层的基本概率分配。模型的第2层采用证据理论进行多证据融合,得到机组运行状态的隶属度,同时基于隶属度最大原则与信度准则共同评判风电机组运行状态等级。采用所提评估方法对某风电场1.5 MW并网风电机组进行状态评估,并将评估结果与传统的模糊综合评估方法得到的结果进行比较,结果表明所提评估方法的结果更准确,在状态的趋势分析中也表现较好。     

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。     

基于云模型和DSmT的风电机组状态评估方法

为准确掌握风电机组的实际运行状态,需要利用已有的运行数据对风电机组运行状态进行研究,从而为其他风电机组的安全经济运行提供依据.根据风电机组监控与数据采集(supervisory control and data acquisition,SCADA)系统和风电机组状态监测系统(condition monitoring s...     

并网风电机组运行状态的物元评估方法

为了准确评估风电机组实时运行状态,结合机组在线监测信息,提出基于物元分析理论的风电机组运行状态评估方法.首先,分析风电机组控制系统所监测的物理量,构建风电机组运行状态评估指标体系;借鉴Bin方法对所监测的温度量进行分析,并引入劣化度概念对各评估指标进行量化处理.其次,采用层次分析法(AHP)和均衡函数得到了各评估指标的...     

多信息融合的变压器实时状态评估

多信息融合的变压器健康状态评估方法通过融合粗糙集,神经网络和D-S证据理论,解决了因变压器信息参数繁多而造成的网络结构复杂和庞大等一系列问题,也为D-S证据理论中的基本可信度分配提供了有效的依据。     

基于状态自适应评估的海上风电机组预防性维护策略

针对海上风电机组对故障特征的增量式学习及主动维护的问题,提出了一种基于状态自适应评估的海上风电机组预防性维护策略。首先,采用非正态总体假设检验量化机组实时状态与典型状态的信息差异,通过增量字典学习捕捉机组典型状态特征,基于支持向量机构建了机组状态自适应评估模型。然后,结合部件有效役龄,以机组状态概率向量为决策依据、单次维护费用最小为目标,优化部件维护策略。同时计入部件成组时由于提前或延迟维护的损失,以维护总费用最小为目标、日维护时长为约束,建立了基于状态自适应评估的海上风电机组预防性维护模型。最后,以某海上风电机组为例,验证了所提维护策略的有效性,分析了维护次数、可及性对维护策略的影响。     

风电机组状态监测系统现状

实现风电机组状态监测是保证机组长期安全稳定运行的有效手段.论述了风电机组状态监测系统的构成和特点,以及目前国内外现已开展的监测系统,并对基于共振解调、最优滤波解调、无线通信的状态监测系统结合具体厂家作了详细分析.对状态监测系统的发展和存在的问题作了展望和总结.风电机组各部件监测机制的完善、专家系统的建立、报警阈值的设置以及研发有效可行的软硬件系统是目前风电机组状态监测需要解决的关键问题.     

基于最优权重和隶属云的风电机组状态模糊综合评估

针对风电机组状态模糊综合评估存在评估指标权重和隶属度确定主观性强的问题,提出了一种基于最优权重和隶属云的风电机组状态模糊综合评估方法。首先,采用层次分析法（AHP）构建状态评估指标体系,引入相对劣化度对状态评估指标进行归一化处理和状态等级划分;其次,采用熵权法和AHP分别确定状态评估指标的客观和主观权重,并通过非线性规划最优化解法确定状态评估指标的最优权重;然后,利用正态隶属云的概念及生成算法,确定状态评估指标对各状态等级的隶属度,构成评估矩阵;最后,通过实例仿真,并与其他评估方法进行比较,验证该方法是更加有效的和合理的。     

风电场机型选择中的技术经济评价指标

风机的选型直接关系到风电场建设项目的投资效益,甚至投资成败,通过对风电场资源条件及各型风机技术性能的分析,提出了对风电场进行整体技术经济分析的"技术经济评价指标"。以"技术经济评价指标"分析不同风机对风电场场址的适应性和性价比,分析了影响风机机型选择的各项因素。可用于风电场前期机型选择或风机设备采购评标工作。     

风力发电机制动闸的状态检测系统

设计了风力发电机制动闸状态监控系统,给出了硬件电路设计,包括西门子S7-200PLC、温度传感器、压力传感器、速度传感器和触摸屏显示器.利用工控组态软件建立了制动闸状态检测界面.系统能实时显示制动闸的工作状态,对保证风力发电机的安全运行具有重要意义.     

State criterion of wind turbine generator operation using tower shadow effect (Part 2)

In order to obtain wind energy effectively, the pole‐change‐type induction generators are used as the wind turbine generators. Otherwise, the pole‐change‐type induction generator causes the voltage dips at pole changing time. To maintain the power quality, it is important to know the state change of the generator operation. Therefore, the authors have studied a state criterion of generator using the tower shadow effect, which is the active power oscillation caused by a rotation torque drop when the tower and the turbine blade overlap each other. In this paper, an improved identification method of oscillation frequency, which is the criterion of wind turbine generator operation, is proposed. The proposed method is applied to measured data and good results are obtained. © 2007 Wiley Periodicals, Inc. Electr Eng Jpn, 162(1): 25–31, 2008; Published online in Wiley InterScience ( www.interscience.wiley.com ). DOI 10.1002/eej.20395     

基于多信息融合的旋流燃烧器燃烧状态评价

为对燃烧器的燃烧状态进行合理评价,研究基于模糊原理的多源信息融合评价方法,并将其应用于对单个旋流燃烧器整体燃烧状态的评价。通过融合燃烧器不同区域的燃烧状态信息,获得燃烧稳定性的综合评价值,以直观、全面地反映燃烧器的燃烧状态。实验数据表明,当调整燃烧器的运行工况时,综合评价值能正确反映出燃烧器整体燃烧状态的变化,证明了此方法用于实现多信息融合的燃烧器状态评价的有效性,为燃烧器状态的监测、建模和优化控制提供基础。     

风力机模拟技术综述

随着风力发电技术研究的日益深入,风力机模拟技术也在近十年得到了快速发展。风力机模拟器可以用来取代实际的风力机,为在实验室内进行风力发电技术的研究提供了有效途径。在研究风力机特性的基础上,详细介绍了目前国内、外风力机模拟的具体方案,并对各模拟方案进行了对比、分析与总结。     

基于信息融合的预装式变电站健康状态评估

预装式变电站将气体绝缘组合电器设备(GIS)、变压器、低压开关柜和二次设备等作为模块集成在一组外壳内,使得整个变电站成为了一个产品,故对预装式变电站的整站状态评估成为可能。提出了基于信息融合的评估方法。首先用多层模糊综合评价法、BP神经网络和灰色关联法三种方法对预装式变电站中的GIS、变压器、低压开关柜和二次设备四大模块进行状态评估。再利用DS合成法则将三种方法得出的评估结果进行融合,分别得出各个模块的综合评估结果。最后将这四大模块作为预装式变电站的评价因素,使用单层模糊综合评价法对整站进行状态评估。仿真结果表明,该方法能正确评估出预装式变电站整站的健康状态。     

基于KELM和多传感器信息融合的风电齿轮箱故障诊断

为提高风电齿轮箱的运行效率,降低风电场的运行维护成本,结合时域统计特征分析和多传感器信息融合技术,提出了一种基于灰狼优化核极限学习机(GWO-KELM)的风电齿轮箱状态监测新方法。首先,计算原始振动信号不同的时域统计特征参数,并采用并行叠加的方式对特征级和数据级进行信息融合以得到融合数据集。其次,利用融合数据集,建立了基于GWO-KELM的故障分类识别模型。最后,运用所提方法对QPZZ-Ⅱ旋转机械振动试验台齿轮箱实测数据进行状态监测,实例结果表明了该方法的有效性和可行性,与其他同类方法相比,所提方法具有最佳分类性能。     

基于S变换和深度学习的多特征融合的电压暂降源识别方法

随着工业和科技的发展,用户对电压暂降的关注度不断提高,识别电压暂降产生的原因愈显得越来越重要。针对引 起电压暂降的单一暂降源和复合暂降源,提出了将S 变换提取特征和深度学习自动提取特征相结合的识别方法。首先利用 数值模型框架产生单一暂降源和复合暂降源数学模型,进而得到9种故障类别的暂降数据集并作为原始数据,其次对原始数 据进行处理,即在标准的S 变换基础上引入两个调节因子得到改进的S 变换,得到S 变换数据,引入16个指标对S 变换数据 进行特征提取并作为指标特征,将上述原始数据和S 变换数据作为模型输入,利用卷积神经网络(convolutional neural net- work,CNN) 对暂降数据进行空间特征提取,同时将数据分为多个一维向量输入到双向长短期记忆网络(bi-directional long- short-term memory networks,Bi-LSTM)提取时序特征,最后建立指标特征、空间特征以及时序特征的多特征融合的 S-CNN- LSTM识别模型。仿真结果表明,未经过特征融合与经过多特征融合的识别准确率分别为98.36%、99.08%,说明多特征融 合能够提高识别准确率。     

考虑频率约束及风电机组调频的风电穿透功率极限计算

传统的风电出力预测方法通常未能充分考虑机组之间的相似性和差异性,忽视了环境条件对风电出力的影响以及关键特征提取方法单一等问题。因此,提出了一种基于谱聚类和多元变分模态分解的人工神经网络风电出力预测方法。首先,为捕捉不同机组之间的相似性和差异性,对风速和风向进行谱聚类,构建风速-风向二维标签簇,并选取每个簇的中心机组以表征该簇的出力特征。接着,为更全面地描述出力与环境条件之间的关系,采用变分模态分解算法对聚类中心机组出力进行分解,同时将出力与风速、风向数据进行多元变分模态分解,得到不同频率的模态成分。最后,在预测阶段引入基于注意力机制的深度学习网络,对特征模态添加注意力机制后输入卷积长短期神经网络模型进行训练和预测,并通过误差修正模块得到同簇其他机组的预测结果。该方法相较传统方法在预测精确度上有明显提升,具有一定的实用性和有效性。

     

基于状态估计的风电机组液压变桨距系统故障检测

液压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,可以有效地提高风电机组运行的可靠性,减少不必要的经济损失。风电机组所受环境因素干扰较多,而基于数据的故障检测方法易受这些因素的影响造成误报警,并且故障分离较为困难。因此,本文提出基于状态估计的方法对风电机组液压变桨距系统进行故障检测。首先,构建风电机组液压变桨距系统的状态空间模型及其状态观测器,利用液压变桨距系统模型的实际输出与状态观测器输出产生残差;其次,将残差的均方根作为残差估计函数,并配合自适应阈值进行决策。最后,以液压变桨距执行机构故障和节距角传感器故障为例,通过仿真验证了该方法的有效性。