新型风机监测装置

大型风机的安全运行对火电厂的正常发电至关重要，全面介绍了最新研制的风机监侧装置的主要功能、结构及其工作特点。     

基于子空间方法的风机齿轮箱故障预测算法

为了减少风机齿轮箱严重故障的发生,提出了一种基于随机子空间识别方法的齿轮箱故障预测算法。该算法首先建立齿轮箱的随机状态空间模型,并利用正常运行时的振动监测数据计算模型的参数矩阵的特征值,并将其作为参考特征值;然后将由实际振动数据所求得的特征值与参考特征值进行比较,如果两者误差很小,则说明齿轮箱正常,反之则异常。为了减少计算量,引入均方根误差(RMSE)作为齿轮箱故障判别指标,并利用统计过程控制(SPC)原理定义该指标的阈值。最后,对一台实际风机的振动监测数据进行仿真,结果表明了所提出算法的有效性。     

轴流式风机运行风量的监测方法

对电厂动调轴流式风机,用运行风量直接监测方法的合理性与可行性进行了论证。在应用算式推导与分析中,采用修正后的“静压差”取代“加权平均动压”,数据的采集与运算相当简便。该方法求得的风量值精度能满足现场工况试验与运行直接监控的要求,且易实施。     

基于多尺度局部对比度的海上风电风机叶片异常点检测∗

针对传统方法在海上风电风机叶片砂眼等损伤异常点检测虚警率高的问题,提出了一种基于多尺度局部对 比度的风机叶片异常点检测方法.首先通过Facet-Kernel滤波对图像进行预处理,抑制背景杂波,突出异常点;其次 通过多尺度局部对比度计算,准确提取异常点位置;最后通过自适应阈值分割提取损伤异常点.实验结果表明,该方 法具有较好的检测结果,拥有有效性及鲁棒性.     

大型离心风机主轴磨损分析

针对影响秦皇岛发电有限责任公司安全稳定运行的大型离心风机主轴磨损故障,总结了投产以来发生的大型离心风机主轴磨损故障,结合风机结构原理、运行方式、装配工艺等方面,分析故障产生的原因及采取的防范措施.     

风机智能监测系统模型研究与应用

开发一套风电机组混塔-基础动力学计算模型,进行不同运行工况下的混塔-基础动力响应计算,结合现场实 测数据对比分析模型准确性,并以此建立风机叶轮塔筒基础的远程监测及故障预警系统,为风机运行策略优化提供依 据,对故障分析、安全预警提供技术支持.实测结果表明此系统可准确展现风机实时状态以及预警分析,实现对风场 的高效监测和智慧运维.     

固体颗粒特性与风机磨损分析

针对火电厂燃煤机组引风机磨损的严重问题及其所引起的损失，分析了烟气流中灰尘浓度、粒度及颗粒形状、粒度分布、速度、颗粒的化学成分及粘附性等特性对风机磨损的影响，给出了风机磨损率及风机叶轮叶片寿命的估算公式；提出了风机抗磨损的措施及建议。     

基于DPSO-MKELM算法的风机齿轮箱轴承故障诊断

基于离散粒子群优化算法(DPSO)与基于多尺度小波核函数的核极限学习机(MKELM),提出了一种新型的DPSOMKELM算法用于风机齿轮箱故障诊断。首先,针对PSO算法过早收敛,易陷入局部最优的缺点,提出改进DPSO算法,在迭代过程中,通过调节权重因子和学习因子,降低算法过早收敛概率,减少优化结果陷入局部最优状态的可能。其次,提出一种基于多尺度小波核函数的核极限学习机(MKELM),利用不同尺度小波核函数叠加构造核极限学习机。最后将两种算法有机结合,提出一种新型的DPSO-MKELM算法,用于风力轴承的故障诊断。通过实际数据的算例验证,新算法具有更高的分类精度和较快的收敛速度。     

基于GRU和注意力机制的海上风机齿轮箱状态监测

海上风电机组齿轮箱运行状态的有效监测和及时预警对海上风机运维工作具有重要意义。为此,提出一种基于门控循环单元(Gated Recurrent Unit, GRU)和注意力机制的海上风电机组齿轮箱状态监测方法。在训练阶段,通过注意力机制自动提取海上风电SCADA数据集输入参量与目标建模参量间的关联关系,同时采用GRU网络提取数据间的时序依赖关系,进而建立风电机组齿轮箱的正常行为模型。在测试阶段,采用指数加权移动平均值(Exponentially Weighted Moving-Average,EWMA)控制图对目标建模参量实际值和模型预测值间的输出残差进行监控,实现海上风机齿轮箱运行状态的实时监测和预警。最后基于东海大桥海上风电场真实数据对所提方法的有效性和优越性进行了验证。结果表明：所提方法对故障和正常运行条件下的海上风电机组齿轮箱状态均可进行有效监测,且相比现有陆上风机状态监测方法具有更高的精度和可解释性,并能更早地揭示故障趋势。     

基于比例失效模型的风机齿轮箱轴承检修

提出一种基于故障数据和状态监测数据的风力发电机齿轮箱轴承的新型检修策略.分析了比例失效模型中各参数的意义.利用最小维修成本法确定最优维修决策阈值,绘制最优维修阈值曲线,进而制定出最优维修策略.通过某型风力发电机齿轮箱轴承的实例分析,证明了此方法在风力发电机齿轮箱轴承维修决策中的使用价值.     

风机齿轮箱故障原因浅析

简单分析了风机齿轮箱故障的原因,并指出静态偏心、动态偏心、轴承及齿轮、润滑及油过滤系统等是引起风机齿轮箱故障的主要原因。     

基于改进连续隐马尔科夫模型的风机齿轮箱故障诊断

连续隐马尔科夫模型(CHMM)应用于风机齿轮箱故障诊断,针对隐马尔可夫模型训练算法易收敛于局部最优解,提出了一种改进的BSA-CHMM参数训练算法,将鸟群算法(BSA)与Baum-Welch算法相结合,可有效的跳出局部最优解。分析振动信号并利用小波包分解与重构提取频带能量作为特征向量;将正常及各故障状态的训练样本特征作为模型观测值输入BSA-CHMM模型进行训练;最后将各检验样本特征输入各状态模型中,得到输出概率作为故障诊断的评判依据。通过Matlab仿真试验结果表明:所提出的诊断方法能够准确地诊断出故障状态,且相较于传统的CHMM训练算法能取得更好的训练结果。     

一起由油中乙炔含量异常发现的变压器内部缺陷

介绍了一起500kV变压器油中乙炔含量超标异常分析、故障诊断及消缺处理过程。     

基于油中溶解气体分析的变压器故障在线监测技术

变压器的传统检修方式已不适应现代电网的发展,对变压器实施安全在线监测可以实时地监视变压器的运行情况,及时采集故障前兆信息。通过故障诊断技术,判断变压器可能会发生的故障,提前采取措施,避免重大事故的发生。     

基于油中溶解气体分析的变压器故障在线监测技术

变压器的传统检修方式已不适应现代电网的发展,对变压器实施安全在线监测可以实时地监视变压器的运行情况,及时采集故障前兆信息。通过故障诊断技术,判断变压器可能会发生的故障,提前采取措施,避免重大事故的发生。     

油色谱在线监测设备现场校验流程及案例分析

主站变压器设备的可靠性直接关系到主网的安全稳定运行。变压器油色谱在线监测设备作为发现变压器早期故障的关键设备,定期运维校验和不合格项及时整改成为保证变压器正常运行的主要手段。基于对在线监测设备的校核原理分析,介绍了油色谱在线监测设备校验过程。同时,给出了具有代表性的案例分析,结果表明油色谱在线监测设备的定期校验对于提高主变设备的运行管理水平、实现变压器实时监测的准确性和早期故障的预警具有重要意义。     

风电机组齿轮箱温度趋势状态监测及分析方法

风电机组状态监测对于风电场特别是海上风电场降低维护成本,提高运行水平具有重要的实用价值。采用温度趋势分析的方法对风电机组齿轮箱的运行状态进行监测。利用非线性状态估计（nonlinear state estimate technology,NSET）方法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。通过合理构造过程记忆矩阵,使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,NSET温度模型预测残差的分布特性发生改变。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的置信区间超出预先设定的阈值时,发出报警信息,提示运行人员检查设备状态。为模拟齿轮箱的故障情况,在机组数据采集与监视控制系统（supervisory control anddata acquisition,SCADA）数据中加入人为温度偏移。通过对该模拟故障的分析,新的状态监测方法能够及时发现齿轮箱的异常状态,达到实时在线状态监测的目的。     

基于流量法对油色谱在线监测系统漏油检测的研究

介绍了一种变压器(电抗器)油色谱在线监测系统的工作原理,提出了漏油检测的解决方案。     

基于油色谱监测数据的变压器动态可靠性分析

动态可靠性是电力变压器进行短期风险评估、检修决策等的依据.文中首先分析能反映变压器可靠性的因素,选择油中溶解气体分析(DGA)数据中特征气体含量、气体总量产气速率、设备役龄为关键影响因素.然后采用最小二乘支持向量机作为动态可靠性模型,进行变压器动态故障率预测.最后用算例分析了影响因素和模型的合理性,并与采用马尔可夫状态空间模型计算的故障率结果进行了比较.结果表明,设备役龄是影响变压器内部潜伏性故障率的重要因素,最小二乘支持向量机方法作为变压器动态可靠性模型具有计算速度快、监测信息的识别度高的优点.