融合改进符号动态熵和随机配置网络的水电机组轴系故障诊断方法

现有水电机组轴系故障诊断研究主要建立在单一传感器振动信号数据的基础上,存在故障信息缺失和传感器测点选择困难等问题。为此,提出了一种基于精细复合多元多尺度符号动态熵(RCMMSDE)和随机配置网络(SCN)相结合的水电机组轴系故障诊断方法。首先,将精细复合技术引入RCMMSDE模型中,改进了传统多元多尺度熵粗粒化不足的问题。然后,通过提取水电机组不同传感器振动信号的RCMMSDE值作为故障特征。最终,将故障特征输入SCN网络实现水电机组轴系故障的准确识别。仿真结果表明,RCMMSDE-SCN模型在两个不同数据集上分别取得了97.58%和99.17%的诊断率,验证了所提模型具有良好的诊断性能。同时,对比不同诊断模型在多元传感器信号和单一传感器信号两种不同情景下的诊断情况,表明融合多元振动信号可以有效改善水电机组轴系故障诊断模型的识别性能。本研究为融合水电机组多元传感器振动信号故障诊断提供了一种新的方法,具有良好的借鉴价值。     

基于遗传神经网络和证据理论融合的水电机组振动故障诊断研究

针对水电机组振动故障诊断中的故障误诊、漏诊以及诊断的可靠性低等问题,提出了适用于水电机组的神经网络局部诊断和证据理论融合决策诊断的故障诊断方法。在神经网络中应用遗传算法来提高网络的收敛速度,应用提出的诊断方法对水电机组振动故障进行仿真,诊断结果表明对故障征兆信息的有效组合,充分利用机组各部位的信息,可以减少诊断的误诊、漏诊问题,从而有效地提高诊断的可靠性。应用MATLAB7.0开发出故障诊断系统界面。     

基于外部风况的风电机组振动故障研究

以3台典型风电机组发生振动故障时的风况和地形为研究对象,通过仿真计算结合实测数据并与其他风电机组或测风塔对比分析的方法,对触发风电机组发生振动故障的风况参数及地形特征进行分析论证。研究结果表明：风速、湍流和切变的风况组合是触发风电机组发生振动故障最主要的外部激励因素;地形特征值γ=17°是风电场微观选址中评判风电机组是否容易发生振动故障的临界值。     

基于开机过程信息融合的水电机组故障诊断方法

为保证水电机组运行的可靠性，通常采用基于振动频率分析的故障诊断技术。但是水电机组故障类型间存在重叠的频率特征，仅凭频率分析不易确定故障类型。因此，文中采用信息融合技术，引入开机过程中的时间和空间特征信息，在特征层采用支持向量机作为信息融合手段，在决策层采用D-S证据理论进行信息融合。实验结果表明，信息融合增加了故障诊断的特征信息，提高了故障诊断系统的诊断能力。     

小世界回声状态网络的风机变桨系统预警模型研究

提出一种基于自编码器的小世界回声状态网络的故障预测方法,以此来应对风电机组变桨系统可能产生的故障,提高故障响应速度。通过分析系统中的监测参数和数据,建立基于自编码器的小世界回声状态网络系统模型。实例表明该方法可在故障发生前提前作出预警,验证了方法的可行性,有效降低了机组的运维成本。     

基于熵权理论和信息融合技术的水电机组振动故障诊断

应用熵权、灰色关联分析和信息融合技术对水轮发电机组振动故障进行诊断。以水电机组振动信号的频域特征和时域振幅特征为诊断样本,使用基于熵权的灰色关联分析方法进行水电机组振动故障的初步诊断,然后应用证据融合理论对不同证据进行决策信息融合,从而得出最终的诊断结果。诊断实例表明,基于熵权的灰色关联分析和信息融合技术相结合的方法是有效的,适合于水电机组的振动故障诊断。     

基于神经网络专家系统的水电机组故障诊断研究

针对水电机组振动诱因多、诊断准确率较低等现象,本文融合神经网络系统和专家诊断理论,建立一种新型的故障诊断模型,并将其应用于实测振动信号的诊断分析,取得了良好的诊断效果,为水电机组在线故障诊断提供了一种有效、快速的新方法。     

基于SCADA数据的风电机组传动系统故障状态监测

风电机组运行监控系统(SCADA系统)监控的各参数之间存在相互关联性,如果这种关联性发生了变化,表明风电机组的运行状态发生了变化,可能出现异常状态。根据这种SCADA参数之间的关联性,采用多项式回归法,建立不同风速下监测参数之间的关系模型,以正常运行状态下的关系模型作为基准,计算待判断状态(异常状态)下的关系模型与正常状态模型对应参数间的差异值作为机组状态评价标准。文章以某风电场2台机组故障发生前的SCADA历史存储数据,对此方法进行分析验证。表明此方法可以有效地判断风电机组传动系统出现的异常状态,据此可以提前做出预警。     

水电机组状态检修实现策略与框架设计

给出了水电机组状态检修系统的逻辑结构;针对水电机组故障多样性和复杂性，重点提出了一种由基于数据融合的模糊神经网络技术和专家系统的在线诊断子系统及基于模型的离线诊断子系统组成的故障诊断系统，利用专家系统的逻辑推理能力以及人工神经网络的学习和容错能力，建立转子非线性动力模型仿真来离线分析那些没有办法定量提取或解释的征兆，对机组进行故障诊断;同时给出了实时数据的一种智能化存储策略，很好地解决了在线监测所产生的海量数据。     

基于多种诊断方法的水电机组故障诊断系统的研究

针对水电机组故障的多样性和复杂性,给出一种基于多诊断方法的水电机组故障诊断系统的构建,系统主要由基于数据融合的模糊神经网络技术和专家系统的在线诊断子系统和基于模型的离线诊断子系统组成。利用专家系统的逻辑推理能力和人工神经网络的学习和容错能力,并通过对建立转子非线性动力模型仿真来离线分析那些没有办法定量提取或解释的征兆,对机组进行故障诊断。     

汽轮机转子振动故障非线性诊断研究

针对汽轮机转子振动故障的特点,根据Bently实验台所采集的4种典型汽轮机转子振动故障数据,运用分形盒维数、ARMA自谱函数、ARMA模型的二维双隐层神经网络和小波包分析方法研究了振动故障的非线性特征,进行故障诊断。诊断结果表明:不同故障盒维数不同,采用盒维数能够较好的对故障类型进行判别;各种故障的自谱函数幅值分布在不同的频段,有较好地区分度;采用ARMA模型的二维双隐层神经网络进行故障诊断,可以得到各种故障检验样本与目标函数在欧氏空间的最小距离,有较高的故障辨识力;运用小波包分析方法,可以获得汽轮机转子振动的故障状况,根据不同故障发生时的频谱特征,识别出不同的故障。     

基于MMS的风电设备信息模型获取方法

风电机组与数据采集与监控（SCADA）系统之间数据不兼容将影响风电场的扩容和技术升级,需构建统一的数据模型。以一种基于IEC 61400-25协议和制造报文规范（MMS）通信协议的风电场通信软件开发为背景,介绍了风电场SCADA系统中对风电设备信息模型的获取方法。设计了风电场通信软件的体系结构和交互流程,构建了IEC 61400-25协议的风电机组信息模型,从业务逻辑控制模式、抽象通信服务接口（ACSI）服务到MMS服务的映射以及MMS报文生成等3个方面,阐述了风电设备信息模型在SCADA系统中重构的实现方法。     

基于神经网络专家系统的水电机组故障诊断分析

针对水电机组振动诱因多、诊断准确率较低等现象,结合神经网络系统和专家诊断理论,建立一种新型的故障诊断模型,并将其应用于实测振动信号的诊断分析,取得了良好的诊断效果,为水电机组在线故障诊断提供了一种有效、快速的新方法。     

基于信息融合技术的风电机组振动状态评估

对风电机组振动进行监测与诊断能提前预知机组健康状态,有效防止风电机组"倒塔"事故发生。风电机组的振动与风速、转速、温度等量有关。利用信息融合技术,建立风电机组振动状态评估模型,对机组进行状态监测,并分析风速、转速、温度等量与振动之间的关系。根据分析结果,评估机组的运行状态,找出了振动越限点,并分析了影响振动的主导原因,得到了诊断结果。     

模糊理论在水电机组振动故障诊断系统中的应用

振动是影响水力机组正常运行和危害机组寿命的主要故障。论述了模糊理论在水力机组振动故障诊断中的应用以及振动识别方法和特征信号的提取，并给出了振动频率与故障征兆关系表。在此基础上，建立了水力机组模糊理论振动故障诊断模型。     

水电站计算机监控系统综合智能告警研究

故障诊断技术是保证水电机组及相关设备安全可靠运行的关键。由于电站集控中心接入监控对象设备量越来越多,故障自主诊断成为重要研究问题。本文针对水电站运行特点,提出了一种结合深度学习和规则推理的计算机监控系统综合智能告警方法。首先,介绍监控数据的前期处理流程,并以卷积神经网络（Convolutional Neural Network,CNN）为基础,构建基于深度学习的故障诊断模型;然后整合出几种较为宽泛的故障类型,利用历史样本训练 CNN 模型;最后结合基于专家经验的规则推理,完成对故障诊断结果的校核、细化及补充。算例结果表明,本文所提方法能够有效实现水电站故障自主诊断,为水电站智能化建设提供技术支撑。     

风力发电机组齿轮箱振动测试及分析

文章分析了风力发电机组齿轮箱的振动特性,在此基础上提出了风力发电机组的振动测试方法,并以国内某风电场2台风电机组的实测振动数据为依据,分析了引起机组振动的原因,总结了风力发电机组振动故障的频谱特征。     

基于信息融合技术的水电机组振动故障诊断

针对传统方法在水电机组振动故障诊断中存在准确度不高的问题,引入了粒子群神经网络和证据理论相结合的故障诊断方法。对水电机组振动故障的不同征兆域,采用2个并行的粒子群神经网络进行局部诊断,以获得彼此独立的证据,再由证据理论对各证据进行融合。结果表明,该方法可有效地提高诊断可信度,减少诊断的不确定性。     

基于健康样本的风电机组滚动轴承状态评估

针对风电机组运行工况复杂,故障样本的缺乏,难以进行有效诊断的情况,提出了一种基于健康样本的风电机组滚动轴承状态评估方法。该方法充分利用风电机组健康状态监测数据资源,采用径向基函数插值理论,建立了风速、转速和轴承状态参数间的映射关系,通过振动偏差有效地对风电机组滚动轴承运行状态进行实时评估。数据分析表明,该方法克服了单一静态阈值报警的不足,能有效地识别出风电机组工况变化时轴承存在的异常,为风电机组轴承健康评估提供了新的思路。     

台风下调节海上风电爬坡预防控制模型

考虑台风天气对海上风电场的影响，提出了储能参与电网调节的海上风电梯次停运方案，缓解了台风天气对大规模海上风电并网的危害。基于发电机容量及爬坡率的调节能力，根据气象台的台风数据建立了Yan Meng风场模型，能够预测海上风机梯次停运时间，从而延缓海上风电功率爬坡，提前调度火电机组的出力和优化储能配置。在IEEE-RTS24节点系统进行仿真验证，采用CPLEX进行求解，对比了3个不同策略下火电机组不同的出力特性，结果表明所提模型可实现系统安全稳定运行，同时减少系统运行成本。