基于XGBoost和Wasserstein距离的风电机组塔架振动监测研究

针对风电机组塔架振动监测问题,考虑到风能脉动与机组控制动作等激励对塔架振动的影响,提出一种基于数据驱动的塔架振动监测方法。首先基于K-均值算法对风电机组工况进行辨识,分析各状态参量、机组工况对塔架振动的影响;其次基于极限梯度提升（XGBoost）算法对不同工况下的塔架振动趋势进行建模预测,针对同一风电场不同塔架振动预测残差的差异,提出一种基于Wasserstein距离的塔架振动监测方法;最后使用风电场实际数据验证,以误差平方和为评价指标,考虑机组工况条件的XGBoost预测精度提高了34.6%。基于数据驱动的方法能有效识别风电场中异常振动较频繁的塔架,提升了运维效率。     

风电机组高斯过程回归塔架振动监测研究

根据风电机组的运行原理,对运行数据中记录的塔架振动特征进行分析,发现塔架振动与风电机组数据采集与监视(SCADA)系统记录的多个其他变量存在密切关系,针对风电机组运行数据强随机性和高噪声的特点,采用高斯过程回归方法建立了描述塔架振动与相关变量关系的振动模型,并对该模型进行了验证.结果表明:通过分析塔架模型残差可以实现叶轮桨距角不对称故障的监测和诊断,证明塔架振动监测的有效性.     

基于GA-SVR的永磁同步风电机组多工况噪声预测

以永磁同步风电机组的实测数据样本为例,研究基于遗传算法的支持向量回归(GA-SVR)的噪声预测。开展了永磁同步风电机组的空载、负载及风速变化实验;对不同运行工况下的振动及噪声实测数据进行分析处理,建立了数据样本;以发电机主轴的径向与轴向、齿轮箱高速轴和低速轴径向与轴向的振动值作为输入变量,机组的噪声值作为输出变量,建立了GA-SVR预测模型;通过数据样本训练,验证了该预测模型。研究结果表明,应用GA-SVR预测模型对机组噪声进行预测,能够较精确地获得噪声波动趋势及预测值。将该模型用于风电机组的噪声预测是可行的。     

基于动力学模型和多种群遗传算法的漂浮式风电机组调谐质量阻尼器参数优化

针对5 MW ITI Barge型漂浮式风电机组，该文利用动力学模型和多种群遗传算法配合寻求机舱中调谐质量阻尼器（TMD）各参数最优解。首先，基于拉格朗日方程建立含TMD的风电机组动力学模型，采用列文伯格-马夸尔特（LM）算法对模型中未知参数辨识；其次，以塔架纵向位移标准差为目标函数，采用多种群遗传算法和动力学模型配合对TMD各参数寻优。最后，按照最优解重新设计TMD参数，分别在5种典型风浪组合载荷工况下，利用FAST全耦合模型验证TMD的减载效果。结果显示：优化参数后的TMD能够有效降低Barge型漂浮式风电机组的关键部位的疲劳载荷。对比无TMD控制时，塔架纵向位移标准差降低约6%～48%；塔根纵向弯矩标准差降低约10%～45%；叶根纵向弯矩标准差降低约11%～33%。     

基于数据特性分析的风电机组叶片结冰辨识

风电机组叶片结冰影响叶片的气动特性,降低机组的输出功率并形成安全隐患。及时、准确判定叶片结冰,有利于提高风电机组运行可靠性和做出运维应对决策。文章通过分析风电能效指标变化特性、部件振动特性、测风仪测值波动特性,选取与叶片结冰相关的SCADA中耦合变量,利用SVR回归算法挖掘耦合参数的历史样本特征值,构建叶片结冰辨识模型。现场数据验证表明,基于SCADA实时数据分析与设备监测结果完全一致,判定准确。模型只通过对实时数据分析判断,无需额外增设硬件,具有较好的实用价值。     

一种新的风电场复杂下垫面场地校准模型

针对现有方法模型简单、气象因素考虑不足和缺少异常数据检测等问题,提出一种基于相对密度离群因子（relative RDOF）异常检测和支持向量回归（SVR）组合的场地校准模型。首先,通过RDOF与四分位法对测风塔与风电机组距下垫面相同高度风速间的风速比进行异常数据检测,间接实现风速预处理;同时,根据测风塔与风电机组相同高度风切变序列的相关性,动态引入大气稳定度等级,与多种常规自然因素共同作为模型输入。然后,建立SVR场地校准模型修正风速。最后,通过算例验证,并与国际电工委员会（IEC）标准方法进行对比。结果表明,该方法可有效提升场地校准模型的风速修正精度。     

风电场邻近风电机组缺测风速集成填充方法

针对风电场中邻近多台风电机组集中出现缺损测量风速的工况,提出基于粒子群优化广义回归神经网络的风电机组缺损测量风速集成填充方法。以"成员等同性"原则引入动态时间规整算法、空间邻点法和Pearson相关系数法,分别搜寻与缺损测量风速风电机组风速演化最为相似的若干台风电机组及对应的测量风速时序,建立基于广义回归神经网络的填充子模型,采用粒子群算法对广义回归神经网络的模型参数和训练集的构成进行全局优化,之后选取较好的子模型构造自适应的熵权集成填充模型。实验结果表明:依据相似性风速序列进行缺损风速的填充能有效提高填充精度;粒子群算法优化广义回归神经网络,不仅提高了子模型的填充效果,更使得模型参数的调节有据可依,能适应不同风电场风速数据的特点;基于熵权的集成填充策略理论依据充分,集成填充的精度和稳定性优于单个子模型。     

多载荷耦合作用下的风电机组塔架结构动力学特性研究

文章针对在多载荷耦合作用下的大型风电机组塔架结构动力学参数变化的问题,根据柔性理论在耦合结构中的应用,建立了三维结构动力学模型。利用模态分析法,进行了振动特性研究。利用Solidworks模块化的流体分析嵌入技术进行了多载荷动力学分析。通过风与雨水载荷的耦合作用,结合基本控制方程,分析了塔架的振动位移变化情况。结果表明:振动特性中,最大振幅为0.37 m;在风与雨水耦合作用下,塔架振动位移变化幅值较大,最大值为1.22 m。该结果为塔架在风雨耦合载荷中的动力响应提供参考数据,从而为风电机组运行的稳定性提供一定参考。     

冷水机组运行特性建模与优化控制研究

为实现中央空调冷水机组运行优化,提出了基于支持向量回归机(SVR)建模的冷水机组优化控制方案。利用SVR建模思想,在冷水机组运行特性分析基础上,采用基于遗传算法的SVR参数优化算法,对冷水机组运行特性进行建模,并以此模型为基础提出了冷水机组运行参数寻优算法,通过动态调整机组运行参数实现节能。利用Matlab的Libsvm软件包对某螺杆式冷水机组运行特性进行建模,并在典型工况下,对优化控制方法和常规运行方法的能耗做了仿真对比。结果表明,采用基于SVR建模的冷水机组优化控制方法能显著提高冷水机组运行效率,具有很好的工程适应性和应用前景。     

基于改进PSO-SVR模型在短期风速预测上的应用研究

针对现有风速预测精度不高等问题,选择一种组合核函数的支持向量机回归模型(SVR),根据粒子的适应度动态自适应地调节算法中惯性权重取值的改进粒子群优化算法优化模型参数,建立基于改进PSO-SVR的短期风速预测模型,通过实例研究验证该方法的有效性与实用性.     

风电机组的机舱振动位移极值模型与现场数据验证

针对风电机组的安全性评估，研究机舱振动位移极值模型和现场数据验证。基于某风电场1.5 MW风电机组的计算模型，仿真DLC1.1工况下的载荷数据，建立风电机组机舱振动位移外推极值模型，结合统计学原理和载荷统计外推原理，得到风电机组的机舱位移极值；同时，对该风场风电机组机舱振动实测数据进行特征极值分析，用这些特征极值拟合得到不同风速段的风速分布和机舱位移分布，建立风电机组机舱振动位移的联合分布极值模型，外推得到位移极值。提出利用李雅普诺夫稳定性理论，确定风电机组机舱振动安全阈值边界的方法，利用这些极值确定风电机组机舱振动安全阈值边界，并用实际运行时的机舱位移极值数据，对这几种极值模型进行现场数据验证，无论仿真数据的机舱振动极值，还是实际数据的振动极值，均未超出安全阈值边界。     

基于DBSCAN和SDAE的风电机组异常工况预警研究

提出一种基于密度的聚类方法(DBSCAN)和堆栈式降噪自编码器(SDAE)结合的风电机组性能预测及异常运行工况预警方法.首先采用DBSCAN算法对机组监控与数据采集(SCADA)系统历史运行数据进行清洗,然后利用SDAE建立风电机组的正常运行性能预测模型.基于该模型,采用时移滑动窗口方法构建能准确反映风电机组异常状态的识别指标,并根据统计学区间估计理论合理确定指标阈值,以实现异常工况预警.采用某风电机组的真实历史运行数据进行故障重演试验.结果 表明:该方法能够在故障发生前及时对风电机组的异常运行工况发出预警,验证了该方法的有效性.     

基于布谷鸟算法的风电机组装配序列优化

装配序列规划（ASP）是风电机组制造的重要技术。ASP是一个组合优化问题,风电机组最优装配序列的搜索空间和计算量均很大。提出基于布谷鸟算法的风电机组装配序列优化方法。首先,从三维装配体模型中提取多种装配约束信息并表示成装配约束矩阵,以降低最优装配序列的搜索空间;继而构造装配序列目标函数,建立装配序列规划模型,方便算法计算出最优装配序列;对离散布谷鸟算法（DCA）改进,求解ASP模型,获得风电机组产品的最优装配序列。最后通过实验验证了ASP模型的有效性和DCA的优良性能。     

基于支持向量回归的PV/T组件温度实时预测

在光伏光热系统中,光伏板的发电效率与PV/T组件温度密切相关。实时、精确地预测PV/T组件温度,对优化控制决策、提高光伏板发电效率具有重要意义。文章利用支持向量回归(SVR)算法建立PV/T组件温度预测模型。为了提高该模型预测结果的精确度,采用网格搜索与交叉验证相结合的方法对SVR核函数参数g和惩罚因子c进行寻优;然后,结合实验平台的测量数据,划分训练集和预测集,并对原始数据进行归一化处理;最后,文章将基于SVR算法温度预测模型的预测结果与BP神经网络的预测结果进行对比。分析结果表明:基于SVR算法温度预测模型的预测值与实测值基本一致,该模型的预测精度和泛化性能均优于BP神经网络的预测结果。     

面向风电制氢的超短期组合功率预测

为解决因风电随机性带来的“弃风”问题,实现宽功率波动下的高效制氢,提出基于最小二乘支持向量机（LSSVM）的超短期组合预测模型,提高风电功率预测鲁棒性。通过变分模态分解（VMD）预处理将风电功率分解为不同带宽的子模态,以降低随机噪声及模态混叠的影响;引入蜻蜓算法（DA）优化LSSVM,建立超短期组合预测模型,以满足电解槽控制的时间分辨率及精度要求。以河北省某风电制氢示范项目为例,验证该算法对于高波动性数据具备更高的预测精度,为风电制氢系统的优化控制提供依据。     

大型风电机组塔架-叶片耦合振动对风力机柔性多体系统稳定性的影响

针对大型风电机组塔架-叶片耦合振动引起的风力机柔性多体系统稳定性问题,利用刚体有限元法对塔架-叶片耦合结构进行建模,并考虑塔架的结构参数对系统稳定性产生的影响,计算系统及各部件的自然频率,对风电机组塔架-叶片耦合结构进行振动分析。采用谐波合成法产生的气动载荷,对塔架-叶片耦合结构进行风振响应分析,从而得出塔架-叶片耦合振动及结构参数对于风力机柔性多体系统的影响。结果表明,塔架截面惯性矩与系统的自然频率呈非线性关系,1阶弯曲频率曲线最大值对应的塔架截面惯性矩为21 m~4,频率为1.25 Hz;振动最大位移量为0.85 m,发生在一阶屈服频率;塔架高径比最大值为26,自然频率最大值为5 Hz。该结果说明塔架结构参数变化及塔架-叶片耦合振动位移对风力机柔性多体系统稳定性产生一定的影响,从而为大型风电机组正常运行提供一定参考价值。     

基于支持向量机的风电机组运行工况分类方法

采用多个运行参数来描述风电机组复杂多变的与振动相关的运行工况,提出一种基于支持向量机的分类方法划分风电机组的运行工况。我国北方某风电场实际运行数据的计算结果表明:与传统的单参数分类方法相比,基于支持向量机的运行工况分类方法能明显降低振动监测过程中的误报警率。     

基于风电机组聚类的风电场有功分层分配策略

针对风电场传统有功功率平均分配策略造成风电机组运行损伤差异性大、机组调整和启停次数多等问题,提出基于风电机组聚类的降功率分层分配策略。考虑实际风电机组调控能力,设计基于鲸鱼优化算法（WOA）的改进极限学习机（ELM）风电机组功率预测模型。构建实际风速、实际发电功率和预测功率的三维特征矩阵,提出基于模拟退火遗传算法（SAGA）的改进模糊C均值（FCM）聚类模型。以预测功率平均值和标准差、最大降功率值确定机群和机组调度优先级序列,构造“机群-机组”的两层分配策略,减少调整机组和停机机组的数量、提升风电机组损伤均衡性。结合某风电场实际工况,设计限功率模式不停机与停机的分配策略验证方案,对比分析3种不同策略的分配效果,算例结果验证了提出的分配策略的有效性。     

基于SCADA系统的风电变桨故障预测方法研究

风电机组变桨系统故障是目前造成机组停机的第一原因。文章对未来30 min的风电机组变桨故障进行预测,通过分析变桨系统潜在故障,制定维护保养计划;针对兆瓦级风电机组,分析SCADA系统的数据,提取变桨距系统故障特征;从风速、风向、桨距角和电机转速的输入、输出关系出发,应用多元线性回归分析和BP神经网络分别对变桨系统进行模型训练,对比两种算法的预测能力。通过分析故障预测模型性能指标、误差指标和输出数据图形可知,BP神经网络在风电变桨系统中的故障预测效果优于多元线性回归预测。     

基于模态叠加法的风电机组塔架实时状态研究

振动模态是机械结构在某一自振频率下的振动型态,是多自由度系统的固有属性.在模态分析的基础之上,提出一种基于模态叠加法的风电机组塔架振动状态与应力状态计算模型.该模型首先通过有限元法得到塔架的模态,然后通过模态叠加法根据塔架各监测点处的振动值计算得到整个塔架的振动状态及应力状态.以某风电场2.0 MW风电机组为例,通过有...