基于大数据分析的风机轴承故障预警

将大数据分析应用到风机轴承故障预警中,使用栈式自动编码器（SAE）为基本结构,通过逐层提取风机轴承监视控制与数据采集系统（SCADA）数据深层特征,将散乱的SCADA大数据转化成能够深度刻画风机轴承运行状态的内在特征。利用预训练、微调的方法并结合误差反向传播算法（BP）构建SAE故障预警模型,通过SAE模型对大数据处理得到反映风机轴承运行状态的重构误差平均值,以均值漂移聚类算法动态地计算出风机轴承稳定运行状态重构误差基准值为预警的标准。最后利用某风电场机组的SCADA数据进行工程实例仿真分析,验证了基于大数据分析用于风机轴承故障预警的可行性。     

XGBoost算法在风机主轴承故障预测中的应用

针对传统机器学习算法处理海量风机数据采集与监视控制(SCADA)监测数据效率低和准确度差的问题,提出利用极端梯度提升(XGBoost)算法预测风机主轴承故障。首先,对风机主轴承SCADA数据开展特征分析,挖掘和发现特征与故障之间的关联关系,并评估各特征的重要性;然后利用XGBoost算法构建主轴承故障预测模型,进行模型评估;最后,依据SCADA系统收集的实测数据对模型进行训练和测试,并调整XGBoost模型的主要参数,提高预测准确率。通过与经典梯度提升决策树(GBDT)算法诊断结果相对比,结果表明XGBoost在风机主轴承故障预测的效率和准确度方面均优于GBDT算法,是处理SCADA大规模数据集的有效工具。     

基于状态监测的风电机组主轴承早期故障预测方法

利用风电机组实时监测数据来研究主轴承温度与其潜在故障之间的关系,提出一种基于温度预测模型的风电机组主轴承在线故障预测方法。首先建立正常运行状况下主轴承温度的线性回归分析预测模型,提出可表示系统实际运行状态和预测状态之间偏差的判别函数,通过比较判别函数值与设定门槛值来监控主轴承的运行状态。理论分析和仿真结果表明,该方法所用模型鲁棒性好,提取的故障特征明显,可有效地预测在线风电机组主轴承潜在的故障。     

基于LSTM的风机高速轴温度预测及预警方法研究

在风力发电机高速轴温度监视中,最普遍的是设置定值阈值报警,但其触发报警条件单一,当设备温度超过设定温度阈值时触发报警,这种方式只考虑了设备最极限的温度值,无法对设备的缓慢劣化发出趋势预警。本文对风机SCADA系统(数据采集与监视控制系统)进行大数据挖掘,提出了一种基于长短期记忆神经网络(LSTM)的风机高速轴温度预测模型及预警方法,在LSTM输出层后依序加入Dropout层、全连接层和线性回归层进行温度预测,计算预测值与实际值的残差及残差均值,以残差均值为中心线,设置预警逻辑,采用滑动窗口的计数方式,实现高速轴温度趋势预警,解决现有风机高速轴温度监测因风资源不稳定、波动大和非线性的特点,而无法实现高精度提前预测和趋势预警问题。     

磁悬浮轴承在主氦风机上的应用

论述了高温气冷堆核电站用主氦风机对选用轴承的特殊要求,介绍了磁悬浮轴承的工作原理及组成,并对机械轴承和磁悬浮轴承两种轴承结构支撑进行了对比分析,认为主氦风机选用磁悬浮轴承做支撑具有方向性的重大突破.     

基于SSA-XGBoost的火电厂引风机故障预警研究

为了提高火电厂引风机故障预警能力,提出了一种基于麻雀算法（SSA）优化XGBoost(eXtreme Gradient Boosting)的故障预警方法。针对XGBoost模型超参数优化的问题,引入SSA算法对XGBoost算法的超参数进行优化得到预警模型的最佳参数。实例表明：SSA优化的XGBoost预警模型可以准确、高效地对引风机进行故障预警,与XGBoost模型和支持向量机（SVM）模型相比,SSA-XGBoost模型精度和效率更高,且具有较强的泛化能力。     

基于知识学习的储能电站健康监测与预警

针对储能电站系统在运行状态的单体健康问题,提出一种基于核密度估计和长短期记忆(Long Short-Term Memory,LSTM)模型的健康监测和预警系统.该系统由两部分构成,一部分是基于核密度估计的健康度评估模块,该模块可以对储能电站内部所有的储能电池进行周期性巡检.基于BMS采集的历史数据,利用核密度估计方法及...     

排粉风机轴承故障频发的原因分析及对策

姚孟发电有限责任公司(以下简称姚电公司)始建于1975年,拥有4台300 MW和2台600 MW燃煤机组。1,2号锅炉为上海锅炉厂上世纪70年代设计制造的亚临界中间再热直流锅炉,制粉系统为钢球磨煤机中储式,乏汽送粉。每台锅炉配置4套制粉系统,每套制粉系统配置1台离心式排粉风机,型号6-30-NO191/2,由沈阳鼓风机厂设计     

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。     

基于LMD-XGBoost和KPCA的燃气轮机转子故障预警研究

针对燃气轮机转子运行环境恶劣且故障多发的特点,为了及时有效地识别转子的异常运行状态,提出基于极端梯度提升(Extreme Gradient Boosting, XGBoost)和局部均值分解(Local Mean Decomposition, LMD)与核主元分析(Kernel Principal Component Analysis, KPCA)相结合的燃气轮机转子故障预警方法。首先采用自适应小波阈值法对来自SIS系统的振动数据进行降噪处理,通过对比普通小波阈值法的降噪效果,验证了该方法对于转子振动数据降噪的有效性和优越性;然后构建基于LMD-XGBoost的转子振动信号混合预测模型,提取实时振动信号分解得到的特征分量并进行预测与重构;再通过LMD-KPCA模型计算故障监测指标T 2和SPE,利用正常工况下的振动数据求取故障监测指标的阈值,输入混合预测信号计算出故障监测指标的统计量,通过设置故障监测指标超过阈值线的比例作为最终预警判据。通过上海某燃气电厂转子故障案例表明,该混合预警方法可实现转子故障早期预警,具有实际工程应用价值。     

基于BPNN-NCT的风电机组主轴承异常辨识方法

风电机组主轴承作为传动系统的重要组成部件,其异常辨识精度受风速波动的影响较大。针对该问题,提出了一种基于BPNN-NCT的风电机组主轴承异常辨识方法。首先,利用相关系数法确定了与主轴承状态相关的参数作为模型的输入,并基于反向传播神经网络(BPNN)建立了以主轴承温度为状态参数的状态参数预测模型。然后,基于非中心t(NCT)分布刻画了不同风速波动区间下状态参数预测残差的分布特性,并在此基础上提出了计及风速波动影响的风电机组主轴承异常状态量化指标。最后,以某风电场的2 MW直驱风力发电机组为例,验证了所提方法的有效性和准确性。     

风电机组主轴总成窜动监测与故障预警

风电机组主轴总成窜动故障是风电场发生频次较高、危害性较大的一类故障模式,目前对 其监测的方法效率低,测量精度差。对此提出一种高效的主轴总成窜动在线监测技术,并开发了相应的监测装置和预警系统,现场实现了对风电机组主轴总成窜动位移的实时在线监测和预警。采用合理安装激光位移传感器,获得主轴总成窜动监测数据,通过时间序列预测方法对其进行分析,建立主轴总成窜动的ARMA模型。实际案例应用表明,该监测系统能对主轴总成窜动的发展趋势进行预测,可及时掌握主轴总成窜动状态,提前发现其异常或劣化趋势,当判断主轴总成有较大可能发生窜动故障时给出预警信息,避免主轴总成故障的产生和蔓延,保障机组安全稳定运行。     

风力发电机组故障穿越问题综述

介绍了当今世界主流风电市场的风电并网规程,进一步研究后重点综述了风电机组故障穿越诸多问题,如低电压穿越、高电压穿越、频率穿越。还分析了三种主流风电机组故障穿越能力和电力系统之间的相互影响,汇总了三种主流风电机组低电压穿越能力的工程实现方案。最后结合多年的实际工程经验,以各国电网风电接入规程和各种风电机组故障穿越特性为线索,探讨了需要重点注意的故障穿越技术问题,并总结出了决定风电机组低电压穿越特性的12项技术要素。     

考虑暂态波形特征的风电机组高电压脱网智能故障溯源方法

大规模风电机组高电压脱网会对电力系统的电能质量和安全稳定运行产生影响。提出了一种风电机组高电压脱网故障溯源方法,后续可配合保护设备以快速切除故障,减少风电机组高电压脱网对系统产生的影响。首先基于风电机组高电压脱网时输出波形进行特征分析,构造了风电机组高电压脱网故障特征指标体系;然后采用Gini指数-最大相关最小冗余法对原始指标体系进行筛选,降低了原始指标体系的冗余度;最后采用遗传算法-蚁群优化算法-粒子群优化算法对BP神经网络的权重、偏差初值进行优化,从而保证BP神经网络的溯源准确率。在西北电网中进行了算例分析,验证了所提方法的有效性。与传统机器学习方法相比,所提方法具有更好的故障溯源性能。     

New method for estimating CF of pitch-regulated wind turbines

This paper presents a new formulation for wind turbine capacity factor (CF) estimation using wind speed characteristics at any site and the power performance curve parameters of any pitch-regulated wind turbine. Compared to the existing model, the proposed formulation is simpler and results in more accurate CF estimation. The accuracy of the proposed model is verified using measured data from an existing wind farm. Four illustrative case studies and parameter sensitivity analysis are presented to test the effectiveness of the model in turbine-site matching applications.     

基于MCKD-EMD的风电机组轴承早期故障诊断方法

风电机组轴承处于早期故障阶段时,特征信号往往比较微弱,并且受环境噪声及信号衰减的影响严重,因此轴承早期故障特征一直难以提取。经验模态分解(EMD)在轴承的故障特征提取中已经得到了广泛的应用,但其在强背景噪声干扰下对轴承早期故障特征的提取具有一定的局限性。针对这一问题,考虑到最大相关峭度解卷积(MCKD)算法可凸显出轴承振动信号中被噪声所掩盖的故障冲击脉冲,非常适用于轴承早期故障信号的降噪处理,因此将MCKD与EMD相结合用于轴承早期故障诊断。用MCKD对强噪声轴承信号进行降噪,然后对降噪后的信号进行EMD,选取敏感本征模态函数(IMF)并计算其包络谱,通过分析包络谱中幅值凸出的频率成分判断故障类型。仿真和试验分析结果验证了所提方法的有效性和准确性。     

一种有效计算风机发电量的新方法

提出了一种精确而简便的确定风力发电机发电量的新方法。建立风力发电机的功率与风速的关系模型,统计在不同的风速段上风速出现的概率的大小,通过概率论中随机变量函数分布的理论,分段求解风机功率的概率密度函数,通过求解风机功率的概率密度函数期望的方法求解风机系统的平均功率,从而得到风机的发电量。这种方法以风机的实际输出特性为依据,并充分考虑了当地气候条件的影响,因此计算得到的数据更为准确,可满足工程上的计算使用。     

Sensor fault detection and isolation for wind turbines based on subspace identification and Kalman filter techniques

This paper aims at the blade root moment sensor fault detection and isolation issue for three‐bladed wind turbines with horizontal axis. The underlying problem is crucial to the successful application of the individual pitch control system, which plays a key role for reducing the blade loads of large offshore wind turbines. In this paper, a wind turbine model is built based on the closed loop identification technique, where the wind dynamics is included. The fault detection issue is investigated based on the residuals generated by dual Kalman filters. Both additive faults and multiplicative faults are considered in this paper. For the additive fault case, the mean value change detection of the residuals and the generalized likelihood ratio test are utilized respectively. For multiplicative faults, they are handled via the variance change detection of the residuals. The fault isolation issue is proceeded with the help of dual sensor redundancy. Simulation results show that the proposed approach can be successfully applied to the underlying issue. Copyright © 2009 John Wiley & Sons, Ltd.