基于残差神经网络的风机叶片结冰故障诊断

风力发电机叶片结冰故障直接影响风力发电机的运行安全和发电效率。针对这一问题，提出一种基于一维残差神经网络(1DRes-CNN)的叶片结冰诊断模型，该模型通过风机SCADA数据进行风机叶片结冰故障诊断。首先通过标记标签、数据分割、类间平衡和归一化对SCADA数据进行预处理；然后基于叶片结冰物理机制和XGBoost特征重要性计算选取与叶片结冰最相关的特征；最后利用构建好的1DRes-CNN模型进行叶片结冰诊断、实验结果表明，经过优化选取的特征，相较于SCADA全部特征作为1DRes-CNN模型输入，风叶结冰诊断准确率提升约为7 %。此外，与卷积神经网络、支持向量机和随机森林模型相比，该模型具有更高的诊断性能和泛化能力。     

基于SCADA数据的风机叶片结冰检测方法

针对工作在寒冷地区的风机易出现的叶片结冰现象,提出一种基于SCADA数据的风机叶片结冰检测方法。根据叶片结冰会增大发电机的功率损耗,选择风速与网侧有功功率2个变量,利用主成分分析技术构造对叶片结冰敏感的风速与网侧有功功率在非主成分方向投影特征,通过选择最优阈值使逻辑回归分类器适用于不平衡分类,可以实现风机叶片结冰检测自动化与智能化。通过中国工业大数据创新竞赛数据验证了该方法的有效性。     

基于深度学习模型的风机叶片结冰故障诊断

风力发电机叶片出现结冰现象时若照常工作，不仅会影响经济效益，严重时还会直接损坏叶片等设备引发安全事故。为此提出一种使用KmeansSMOTE的数据平衡方法与应用结冰相关的机理构建新特征和RFECV-DT特征筛选算法相结合的特征工程互补的数据处理方式，之后采用卷积神经网络模型进行训练与预测。实验结果表明，在卷积神经网络模型中采用KmeansSMOTE算法比SMOTE算法准确率提升2.78%。模型采用特征工程时比不采用特征工程相比准确率高出4.77%。与KNN、SVM、LR这些传统模型相比，所有衡量指标均有提升且不存在过拟合现象。所提出的方法，可解决应用SMOTE插值机制所带来的不足并且对特征工程进行精细化设计，也为风机叶片结冰故障诊断问题提供一种新的解决思路。     

基于数据挖掘的风电机组叶片结冰故障诊断

针对风电机组叶片结冰故障无法精确预测的问题,提出基于数据挖掘的故障诊断方法。该方法首先采用特征筛选算法从SCADA高维数据种提取故障模式最相关的特征,然后结合类别不平衡学习算法处理高度不平衡的SCADA数据集,最后利用四种分类算法建立风电机组叶片结冰故障诊断模型。结果表明,基于随机森林算法的故障诊断模型具有最好的诊断性能和泛化性能,该方法能够实现风电机组叶片结冰故障的有效诊断,对风电机组的维护具有参考指导意义。     

基于无人机图像的风力发电机叶片缺陷识别

针对风力发电机叶片人工检测低效,缺陷诊断难的问题,提出一种基于无人机与图像处理的风力发电机叶片缺陷识别方法。通过Halcon 12与Visual Studio 2015的联合开发,实现图像处理流程、检测结果输出以及缺陷回放等功能,包括相机标定、通过快速自适应加权中值滤波处理图像、动态阈值分割叶片图像缺陷特征,利用区域处理识别裂纹和砂眼等缺陷,并对缺陷进行分类与测量以及输出对叶片质量的分析报告等,实现风力发电机叶片表面缺陷的自动检测功能。通过实例验证了该方法在风力发电机叶片表面缺陷检测中的较高精确性与算法稳定性。     

预应力装配式风机叶片连接段结构模拟分析

随着风力发电机功率提高,其叶片越来越长,叶片的运输难度和风险增大,成本增高,特别是在山区风场建设中愈发明显。将长叶片分段制造、运输并现场组装是解决此问题的有效途径。该文提出了一种全新的基于高强预应力螺栓连接的装配式风力发电机叶片结构方案。以某兆瓦级玻璃纤维叶片为对象,确定了在离叶根16 m处进行分段时的预应力连接结构方案,利用大型有限元分析软件ABAQUS建立了连接段的精细化有限元模型,对模型在预应力以及挥舞和摆振方向4种设计荷载作用下的应力进行了分析。结果表明:在4种工况下的叶片玻璃纤维材料以及预应力连接螺栓强度均满足要求,验证了该文所提出的基于高强预应力螺栓连接的装配式风机叶片结构方案可行,该研究为解决传统风力发电机叶片的运输难题提供具有应用前景的新方法。     

基于机器学习的风机叶片开裂预测研究

为了预测风机叶片开裂的状态,使用机器学习的方法对风机叶片状态进行分类预测.首先对SCADA采集的原始数据进行预处理,然后采用逻辑回归与XGBoost集成学习算法对预处理后的数据进行建模,并通过性能度量的评价指标比较两种算法的效果与泛化能力.结果表明,XGBoost在风机叶片开裂的分类预测上有更好的效果,其预测准确率达到...     

改进BiLSTM-GRU-DMD的风机叶片结冰故障检测与状态评估模型

针对风电机组运行监测数据的不平衡性与时序性，提出一种新的风机叶片结冰故障诊断与状态评估方法。首先，利用自适应过采样方法均衡风机结冰样本数据集的不平衡性；然后，改进堆叠双向长短时记忆网络和门控循环单元检测风机叶片结冰故障，利用焦点损失函数作为损失函数侧重于难分类样本优化模型，并结合改进非洲秃鹫优化算法优化超参数，从而提升检测准确性；最后，测度结冰样本与非结冰样本的动态马氏距离，并转换为结冰指数评估叶片结冰状态。真实风场数据验证表明：提出的风机结冰故障检测与状态评估方法，在结冰检测方面，其F1分数、精确率和召回率分别达到0.967 8、0.960 7和0.975 1，优于其他基线模型和优化算法，有效地减少了错报率和漏报率。同时，在定量化评估风机叶片不同阶段的结冰状态方面具有优势，可以为风电设备视情维修提供支持。     

风电机组防雷问题初探

首先介绍风力发电机叶片的结构,从构筑物的角度进行考虑,风力发电机可以进行防雷分区,按照这种分区方式可以确定风机的不同位置需要采取怎样的防护措施。按照危险程度进行划分:处于LPZ0区的部分包括叶片、风速仪;LPZ1区包括:风机(机舱)罩、塔桶电缆;LPZ2区包括:变浆柜、控制柜等。其次,结合风电机组防雷的研究成果,对风电机组叶片、机舱、电控系统(包括配电变压器、电源、信号电路、通讯接口)的防雷措施和接地技术进行较初步的阐述。     

基于非线性本构关系的复合材料风机叶片有限元极限分析与设计

为了研究具有三维复杂构形的复合材料风机叶片的逐次破坏过程和极限承载能力, 将复合材料细观力学非线性本构理论桥联模型与有限元软件ABAQUS通过用户子程序UGENS结合起来对风力发电机叶片结构进行极限强度分析。只需提供纤维和基体的材料性能参数、 纤维体积含量以及蒙皮和增强筋的铺层数据包括铺设角、 层厚和铺层数, 就可预报出复合材料复杂叶片结构的整体承载能力以及叶片破坏所处的位置, 为正确评估和合理设计风机叶片结构提供了一种简便有效的分析方法。以一种20kW风机叶片为例, 用此方法实现了新型复合材料叶片结构的极限分析和合理设计, 提高了叶片的强度和刚度, 有效降低了叶片的重量。本文中的方法同样适用于其它复合材料复杂结构的极限分析与强度设计。