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。     

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     

某风电机组齿轮箱主轴断裂原因分析

目前风电机组齿轮箱出现齿断裂、主轴断裂、轴承断裂等现象时有发生,在大部分的事故分析上,厂家为维护自生利益而淡化或敷衍发生事故的主要原因,同时鉴于风电公司技术或管理水平参差不齐,多数企业也没有对事故进行深入剖析,对风电行业的健康发展非常不利。本文介绍了某风电机组齿轮箱主轴断裂原因,为齿轮箱制造企业及风电场运维企业提供参考。     

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...     

基于油液光谱监测的风电机组齿轮箱磨损状态的研究

风电机组齿轮箱的磨损微粒主要是铁颗粒,铁颗粒含量的增长趋势能直接反映出风电机组齿轮箱的磨损状态.以Spectro油液光谱分析仪监测风电机组齿轮箱在用齿轮油中的铁元素含量,通过一段时间内铁元素的增加量和风电机组可利用小时数,可计算得到单位可利用小时数下的铁元素增加量ΔQFe;引入可靠性理论研究了ΔQFe的分布规律,并以风...     

基于CLSSVM的风电机组齿轮箱故障诊断

针对风电机组齿轮箱传统故障诊断方法以全局误诊断率最小化为目标,忽略了误分类型之间的差别的问题,提出基于代价敏感最小二乘支持向量机(Cost-sensitive Least Squares Support Vector Machine,CLSSVM)的风电机组齿轮箱故障诊断方法。该方法在最小二乘支持向量机原始最优化问题中二次损失函数中嵌入不同样本的误分类代价,建立以误分类代价最小化为目标的CLSSVM故障诊断模型,并同最小二乘支持向量机和代价敏感支持向量机比较。实验结果表明,该方法能提高误分类代价高的故障类样本的诊断正确率,具有代价敏感性,其训练速度也足以满足风电机组齿轮箱故障诊断实时性的需求。     

兆瓦级风电机组主增速齿轮箱齿轮油加热系统研究

1引言兆瓦级风电机组是中国风电行业的主力机型,该机型需要适应中国各种复杂的环境条件,这为风电机组设计带来多重挑战,特别是冬季严寒的天气环境对机组的安全稳定运行挑战很大。本文就主增速齿轮箱润滑油加热系统以及加热控制逻辑等相关信息进行了详细的调研,参考有关国际国内标准和润滑油、添加剂厂商的技术经验,结合当前的实际应用     

基于IPSO-BP的风电机组齿轮箱状态监测研究

将改进粒子群算法(IPSO)与BP神经网络相结合,建立齿轮箱正常工作状态下的温度模型并用其进行温度预测。通过合理地选择训练样本,使IPSO-BP模型覆盖齿轮箱的正常工作空间。当齿轮箱工作异常时,其动态特性偏离正常工作空间,导致IPSO-BP网络温度模型预测残差的分布特性发生变化。采用滑动窗口方法实时计算残差的统计分布特性,当残差的均值或标准差超过预先设定的阈值时,发出报警信息,提示运行人员检查设备状态。     

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。     

基于竞争失效的风电机组齿轮箱轴承剩余寿命分析

提出考虑退化失效和突发失效之间存在竞争失效的风电机组齿轮箱轴承可靠性评估方法,结合风电场SCADA实时监控数据,将轴承监控温度、振动数据通过主成分分析方法融合,以描述轴承退化程度。考虑风电机组齿轮箱轴承的特殊性,采用改进的比例危险模型,基于Wiener退化过程和Weibull突发失效过程,建立竞争失效可靠性评估模型。通过实例分析,对比退化失效和突发失效竞争模型、不相关模型及独立退化失效、突发失效模型的剩余寿命,验证了竞争模型的可靠性。     

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...     

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     

风电齿轮箱

风力发电机组中的齿轮箱是一个重要的机械部件，其主要功能是将风轮在风力作用下所产生的动力传递给发电机，使其得到相应的转速。通常风轮的转速很低，远达不到发电机发电所要求的转速，必须通过齿轮箱齿轮的增速作用来实现，故也将齿轮箱称之为增速箱。根据机组的总体布置要求，有时将与风轮轮毂直接相连的传动轴（俗称大轴）与齿轮箱合为一体，也有将大轴与齿轮箱分别布置，其间利用涨紧套装置或联轴节连接的结构。为了增加机组的制动能力，常常在齿轮箱的输入端或输出端设置刹车装置，配合叶尖制动（定浆距风轮）或变浆距制动装置共同对机组传动系统进行联合制动。     

基于深度信念网络的风电机组齿轮箱故障诊断方法

针对风电机组故障诊断中存在的数据量大,提取故障特征困难等问题,结合深度学习理论的强大感知与自我学习能力,提出一种基于深度信念网络的风电机组齿轮箱故障诊断方法。将原始时域信号数据输入深度信念网络进行训练,通过反向微调学习对深度信念网络进行整体微调,提高分类准确性;同时,在训练过程加入Batch Normalization,减少过拟合几率,提高网络的收敛速度。将该方法用于风电机组行星齿轮箱的故障诊断,比DBN和BPNN算法及传统故障诊断方法的准确率更高。     

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SCADA数据特征提取的风电机组偏航齿轮箱故障诊断方法研究

针对风力发电机组偏航系统故障处理难度大和危害严重等问题,开发出基于数据采集与监视控制(SCADA)数据的偏航齿轮箱神经网络诊断模型.利用ReliefF算法和核密度-均值法提取能反映出偏航齿轮箱运行工况的7个SCADA参数,并提取出6种故障特征指标作为神经网络诊断模型输入量,来诊断偏航齿轮箱的正常状态、磨损故障以及断齿故...     

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。     

基于IICEEMDAN-PCA-GRU的风电机组齿轮箱故障预警方法研究

为充分挖掘数据采集与监控（SCADA）数据的隐藏信息,减少特征间的冗余性,提升模型预测和预警的精度,提出一种双重改进的完全噪声辅助聚合经验模态分解（IICEEMDAN）、主成分分析（PCA）、门控循环网络（GRU）融合的风电机组齿轮箱故障预警方法。使用皮尔逊相关系数法作特征提取,采用IICEEMDAN对特征进行分解,得到特征在不同时间尺度上的连续性信号;利用PCA提取分解特征的关键因素作为网络训练输入;GRU网络对输入时间序列特征进行建模训练,实现对齿轮箱油池温度的预测,使用统计学方法分析油池温度预测值与实际值的误差,根据实际情况设定预警阈值;使用滑动窗口理论实现齿轮箱故障预警。采用华北某风场实际数据进行验证,结果验证了所提方法对齿轮箱早期故障预警的有效性。     

风电机组齿轮箱非平稳振动信号微弱故障特征提取

介绍风电机组齿轮箱的布置形式和结构特点。依据某类型风电机组齿轮箱特点,制定振动数据采集方案,采集两台风电机组齿轮箱高速轴振动信号;应用短时傅里叶幅值谱和小波尺度谱对比分析,分别提取两台机组齿轮箱高速轴测点振动信号中蕴含的微弱故障特征频率。分析得到一台机组齿轮箱高速轴损伤,实际验证了该机组齿轮箱高速轴为轻微点蚀故障。证实了短时傅里叶幅值谱和小波尺度谱相结合的分析方法在诊断风电机组齿轮箱微弱故障的有效性和实用性。