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。     

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。     

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。     

基于堆叠自编码网络的风电机组发电机状态监测与故障诊断

为实现风力发电机的异常检测分析,提出了一种基于风电机组发电机正常状态下数据采集与监控(SCADA)样本数据的堆叠自编码网络深度学习方法。首先将多个自编码网络连接构成深度堆叠自编码网络,选取发电机SCADA状态变量数据作为网络的训练输入,使网络逐层智能提取数据间的分布式规则,从而构建发电机的堆叠自编码学习模型。依据故障状态下发电机SCADA数据内部动态平衡规则被破坏,利用发电机深度学习网络的输入与重构值计算重构误差,并作为整体状态的观测量。通过采用自适应阈值检测重构误差的状态趋势变化,并作为异常预警判定准则,从而实现对发电机故障的判定。当发电机发生异常时,变量的实际值与对应模型的重构值发生较大偏差,表现为状态变量的残差趋势将会偏离原有的动态稳定状态。因此利用状态变量的残差趋势变化对异常变量进行隔离,判定可能的故障原因达到故障诊断的目的。通过对发电机故障前后记录数据进行仿真分析,结果验证了堆叠自编码网络深度学习方法对发电机状态监测与故障诊断的有效性。     

风力发电机组状态监测系统设计与应用

风力发电机组状态监测系统的设计可以有效降低机组的检修维护费用,保障机组的安全稳定运行。对风力发电机组状态监测和故障诊断技术进行了深入的研究,设计了风力发电机组状态监测系统,并详细介绍了系统的结构与功能。通过系统在大型风力发电场的成功应用,验证了其对风力发电机组状态监测与诊断的有效性。     

火电机组状态监测、预测及故障诊断与状态维修

分析了火电机组采用定期维修的弊端,指出采用状态维修的优越性。提出在目前的条件下关键是提高状态监测、预测及诊断的精度,为实现状态维修奠定基础,并对火电机组状态监测、预测及诊断的研究现状、存在的问题及今后的工作进行了论述。     

灯泡贯流式机组的状态监测与故障诊断系统设计

灯泡贯流式水力组以其可利用水头资源丰富,机组效率高等优势,广泛应用于我国中、低水头电站领域。但由于其自身结构的独特,时常导致机组在运行过程中出现非正常振动现象,威胁机组的正常运行。从其自身结构特点入手,针对灯泡贯流式机组的常见振动故障,进行测点重新布置,设计并搭建了机组振动监测与故障诊断平台,最后,对黄河河口电站的部分振动故障进行了分析,总结。     

水电机组在线状态监测与故障诊断的现状与发展趋势

近年来,水电机组在线状态监测与故障诊断技术在水电厂发挥的重要作用越来越得到电力行业的认可和重视。介绍了在线状态监测技术和故障诊断技术的现状,较成熟的实用产品,以及存在的不足,并提出了水电机组状态监测与故障诊断系统未来发展的趋势。     

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.     

基于相对主元分析的风电机组塔架振动状态监测与故障诊断

振动信号是风电机组数据采集与监控系统（supervisory control and data acquisition system, SCADA）中一类重要变量。以风电机组SCADA运行数据为基础,首先结合风机运行原理详细分析了导致塔架振动的主要因素。进而采用相对主元分析（relative principal component analysis,RPCA）和某风电机组2011年3~5月份的SCADA运行数据,建立了覆盖塔架正常工作状态的RPCA振动模型,计算得出监控统计量Hotelling T2（简称T2）和平方预测误差（squared prediction error,SPE）。采用塔架振动RPCA模型,准确检测出风电机组变桨系统故障,验证了所研究方法的有效性。     

大型兆瓦级风力发电机组状态监测研究

根据国内外众多风力发电机组运行维护情况,统计得出风力发电机组中故障发生频率最高的关键部件及故障发生的原因和产生的现象;分析给出风力发电机组运行中对关键部件检测的物理量。根据物理量的特点和关键部件的结构特性,选择相应传感器类型及安装位置,以实时监测机组各部件的运行情况,保证机组的长期稳定运行。     

风力发电机组状态监测和故障诊断系统的设计与实现

为实时监测风力发电机组的运行状态,提高故障诊断系统的智能化程度,设计了一套基于硬件数据采集系统结合Matlab、组态软件WinCC的风力发电机组实时在线监测和故障诊断系统。通过数据采集系统的硬件选择和连接,建立了数据采集器与Matlab、WinCC之间的实时通讯,并在Matlab中应用小波包和神经网络智能算法完成齿轮箱和发电机轴承数据处理,实现了故障诊断结果的实时显示。     

风电机组故障智能诊断技术及系统研究

风电机组的状态监测和故障诊断是保证机组长期稳定运行和安全发电的关键。基于风电机组的基本结构,介绍了机组的故障类型和机理,论述了实际应用中机组的状态监测和故障诊断技术;基于BP神经网络的原理和优点,深入讨论了如何应用人工神经网络构建风电机组智能诊断系统,并给出了可行的系统设计方案和软件实现流程图。     

基于PSO-SVM算法的风电机组结冰故障诊断

针对不平衡数据进行处理,结合自适应邻近的混合重取样的方法处理原始数据中小类数据,增加小类数据的有效实例;设计了一种基于相似函数的欠采样算法处理,减少大类数据的重复性数据,在不改变数据高信息性的情况下对数据降维,最后将特征数据导入到支持向量机中采用粒子群算法对参数进行优化。实验结果表明,特征量的提取在该模型中预测性能达到79.21%,在极限学习与随机森林（RF）算法中提升度为22.93%与48.83%,均有显著的提升,为风力机叶片结冰故障诊断提供了新的思路。     

风力发电机组状态监测与智能故障诊断系统的设计与实现

风力发电机组状态监测和故障诊断技术,可以有效降低机组的运行维护成本,保证机组的安全稳定运行。阐述了风力发电机组的基本构成。在介绍风电机组常见故障的基础上,分析了机组中的主要部件齿轮箱和发电机的故障。针对齿轮箱和发电机的故障提出了一种智能诊断的新方法,并以此设计开发了风力发电机组状态监测与智能故障诊断系统,详细介绍了该系统的原理、结构及功能。     

风力发电机组状态监测系统与故障诊断方法研究现状

为保证风力发电机组可靠稳定运行,降低机组的维护成本,最有效的办法是监测风力发电机组的运行状态.对于已经出现故障的部件,及时分析状态监测系统采集的部件信息,利用一定的分析手段和方法,可快速有效地诊断出导致故障发生的具体零部件,缩短排除故障的时间,降低损失.对于故障出现前部件的早期退化,通过对状态信息变化的分析,可提前预测故障,为部件的维护提供明确指导.阐述了风力发电机组状态监测系统及故障诊断方法研究的现状.     

汽轮机组状态实时监测及故障诊断系统的研究与实现

论述了火电厂汽轮机组状态监控及故障诊断的重要性和必要性。针对电厂具体需求,利用SQL Server 2000数据库和Hibernate、Spring、JFreeChart等开源技术,设计并实现了基于J2EE架构的"汽轮机组的实时监测及故障诊断系统"。详细介绍了系统功能,给出了系统的物理结构及逻辑结构,论述了系统的数据采集方式及软件实现技术。最后通过客户端数据展示界面,证明了该系统的有效性及其优越的性能。     

大型电机的状态监测及故障诊断技术

通过对故障特征信号的提取分析可以对电机故障进行判断.本文对电机的多种基于信号监测的故障分析方法进行了原理分析,并对每种分析方法所适用的故障诊断类型及优缺点给予说明,最后指出其发展趋势,为电机故障诊断方法的应用提供了参考依据.