基于机器学习算法与SCADA系统的风电机组变桨系统变频器的故障预警方法研究

变桨系统是风电机组的关键设备,但由于风电机组长期处于复杂的工作环境,导致变桨系统故障成为风电机组故障中最常见的故障之一,而变桨系统变频器故障在变桨系统故障中的占比很高.基于此,提出了一种变桨系统变频器的故障预警方案,分析SCADA系统数据,将机器学习算法应用于故障预警,并将模型温度残差作为故障预警的指标;然后,针对随机...     

基于超级电容的海上风电机组电动变桨系统设计

变桨系统是海上风电机组的核心部件,对机组安全运行具有十分重要的作用。液压变桨系统存在漏油等问题,蓄电池电动变桨系统存在电池的低温性能差、使用寿命短等问题。文章探讨了使用超级电容作为后备电源的电动变桨系统的设计,并对蓄电池与超级电容进行了比较分析。用超级电容作为海上风电机组电动变桨系统的后备电源,可充分发挥超级电容耐低温、寿命长的特性,提高风机安全性和运行效率,降低海上风电机组的维护成本。通过分析变桨系统力矩,对超级电容电动变桨系统的选择进行了理论计算和推导,并进行了实际测试,为海上风电机组电动变桨系统后备电源的设计提供了有效方法。     

叶片变桨速率对风电机组停机过程载荷特性影响研究

分析叶片变桨速率对于风电机组机械载荷影响的机理,并基于某2.5 MW双馈型风电机组载荷实测数据,对相同外部条件不同叶片变桨速率停机过程的载荷数据进行分析,研究叶片变桨速率对风电机组疲劳与极限载荷的影响。运用GH Bladed软件,对不同叶片变桨速率停机工况下的风电机组载荷进行仿真计算,验证叶片变桨速率与风电机组载荷之间的内在关系。现场测试数据与仿真结果均表明,风电机组停机过程中的载荷特性与叶片变桨速率相关,且随着叶片变桨速率的增加,疲劳与极限载荷随之明显增加。由叶片变桨速率增大导致的风电机组极限载荷增加比例与疲劳等效载荷增加比例相近。     

参与电网调频的风电机组线性变参数变桨控制策略

风电机组参与调频时其输出功率的调整将改变风电机组变桨动作的风速范围,同时由于桨距角调节气动功率的灵敏度随风况变化,使得传统PI变桨控制难以适用于风电机组参与调频时的复杂工况,出现风电机组转速振荡问题.提出一种基于线性变参数(Linear Parameter Varying,LPV)系统的风电机组变桨控制方法,对风电机组...     

基于AHP的风电机组变桨系统权重分析

在风电场远程监控系统中,能够实现风电场中风电机组的故障诊断与预测,对于风电机组的安全、稳定、经济运行具有重要意义。在风电场监控系统中只是对风电机组单个参数进行实时监控,当监控系统某一参数超过阈值范围时,无法确定风电机组中某个具体部件存在问题。因此分析风电机组远程监控系统中实时参数对风电机组中设备的权重影响变得极为重要。本文旨在对风电机组中故障率频发的变桨系统进行深入探究,针对影响变桨系统故障的各项因素,运用APH方法进行权重评估,得出各个因素对变桨系统的影响程度,从而更加准确地判断出变桨系统的故障原因。     

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。     

基于风轮气动特性的风力机变桨优化控制策略研究

当风速大于额定风速时,风电机组通过控制变桨机构调整桨距角来减小风能捕获,从而使机组的输出功率保持在额定功率附近。变桨系统一般采用PI(比例积分)控制算法,但由于风轮气动转矩与风速、风轮转速、桨距角呈高次复杂非线性关系,单一控制参数的变桨控制器难以满足风电机组在额定风速以上的运行性能要求。为了解决单一变桨控制性能不足的问题,提出一种基于风轮气动特性的风力机变桨优化控制策略,该策略通过测量桨距角当前值来动态调整变桨控制器参数,可有效提升变桨系统随风动作连续性,减小由变桨控制引起的转速与功率波动,削减机组由变桨动作引起的动态载荷。     

基于数据融合的风电变桨系统故障预警研究

随着风电机组装机容量的不断攀升,同时带来并网发电率低、机组故障率高等缺点,导致风电机组整体利用率较低。为此提出一种基于数据融合的风电变桨系统故障预警方法。首先结合SCADA系统中的运行统计信息和历史数据,采用Relief特征参数选择方法筛选出与风电变桨系统故障相关的特征参数;然后采用数据融合的方法,建立基于MSET技术的风电变桨系统故障预测模型,并采用滑动窗口法进行故障预警阈值的确定;最后以上海某风场1.5 MW双馈异步风电机组进行实例分析,结果表明该方法可提前发现风电变桨系统故障征兆,实现对风电变桨系统的早期故障预警。     

风电机组变桨后备电源问题探讨

目前,国内风电机组变桨系统后备电源大多使用阀控式铅酸蓄电池。本文结合风电场实际环境、工况及阀控式铅酸蓄电池性能,探讨风电场变桨系统后备电源经常遇到的问题,并提出改进意见。     

基于变桨系统故障的多部件条件维修策略优化

正变桨系统是风电机组的重要组成部分,它可以通过控制桨距角来控制风轮转速,从而达到恒定输出功率的目的。此外,还可以通过收桨动作使风电机组以空气动力制动的方式安全停机,从而保证了风电机组在不同风况下的安全运行。目前,电动变桨技术以其性能优良,维护方便,环保等诸多方面优点而逐渐取代液压变桨,但是运行过程中诸多故障的出现也不容忽视。变桨系统中电气滑环主要作用是实现轮毂与机舱之间电能和控制信号的传递。变桨中央控制箱与机舱控制柜的连接通过滑环实现,进而执行对轮毂内的轴控箱的控制工作。此外,风电机组机舱与变桨之间用于数据交换的     

基于SCADA系统的某风电场MW级风电机组快速故障诊断与控制策略优化

针对某风电场MW级风电机组在运行过程中出现的故障,基于SCADA系统的故障记录与运行缓存(Buffer)数据进行分析,明确各台风电机组的故障原因.在出现这些故障的原因中,有2台风电机组是由于低电压穿越变桨控制策略存在缺陷而引起的风轮转速超速,基于风电机组动力学与变桨控制理论,针对该问题提出低电压穿越变桨控制策略优化方案...     

海上风电机组荷载分析及控制研究

分析了海上风电机组的荷载来源,为某漂浮式风电机组设计了控制策略,并重点仿真验证了驱动链加阻、塔筒加阻和独自变桨控制算法在海上风电机组的控制效果,最后提出了漂浮式风电机组的动态停泊模式。     

基于支持向量机的风电机组变桨系统故障诊断

风电机组变桨系统是风电机组发生故障最频繁的部件之一,对其故障类型的精确诊断能够提高风电机组维护计划的效率.针对异步电机和行星齿轮箱的各种故障类型,提出了一项以风电机组三相电流数据为基础的多分量故障诊断方法.该方法通过深度自动编码器从三相电流数据中提取特征向量,并采用支持向量机进行故障分类.上述方法以风电机组变桨驱动器为...     

基于扰动观测器的分数阶终端滑模电液变桨控制方法

为改善风电机组电液变桨系统的控制性能,文章提出了基于扰动观测器的分数阶终端滑模控制方法。建立风电机组电液变桨系统数学模型,利用滑模状态扰动观测器（SMSPO）对变桨系统参数的不确定性和未知扰动进行实时补偿。采用分数阶微积分理论设计终端滑模控制器的滑模面,在保证有限时间收敛的同时,改善了滑模控制自身抖动。利用Simulink进行试验验证,结果表明,该方法增强了变桨系统的抗干扰能力,削弱了系统的抖动,提高了桨距角的跟踪精度和变桨系统的稳定性。     

基于量子进化在线序贯极限学习机的变桨系统故障检测

针对复杂工况下风电机组变桨系统故障检测问题,采用在线序贯极限学习机建立变桨系统状态监测模型,利用ReliefF算法进行模型的特征选择,通过量子进化算法优化在线序贯极限学习机的超参数集,并引入马氏距离函数计算变桨系统状态监测模型的残差,判断风电机组变桨系统的异常。以辽宁某风电场1.5 MW双馈风电机组变桨系统为例,将所提出的模型分别与粒子群优化极限学习机、粒子群优化支持向量机、随机权神经网络、极限学习机和反向传播神经网络模型进行对比,结果表明所提出的模型精度优于其他模型,所提方法的故障检测正确率高于3σ阈值法和核主成分分析方法。     

3MW双馈式风电机组变桨控制策略优化研究

随着风电机组单机容量的不断增大,风电机组零部件承受的载荷越来越大,电网对机组输出功率的品质也提出了更高的要求。文章在变桨PID控制技术的基础上,通过增加塔架阻尼器、低通滤波器和陷波器,并在变桨时使用变增益双PID控制器,使风电机组在输出功率较为平滑的同时,降低关键部件的载荷。结合3 MW双馈式风电机组开发GH Bladed的外部控制器程序,并和广泛应用的PID控制器进行仿真比较。仿真结果表明,该研究提出的控制策略改善了风电机组输出功率的品质,降低了塔架等关键部件的载荷。     

风电机组变桨系统载荷特性研究

以某3 MW风电机组为研究对象,对风电机组变桨系统非线性特性进行研究,证明变桨控制器增益与桨距角为反比例关系。使用GH Bladed软件建立变桨系统载荷计算仿真模型,对正常发电、紧急停机等多种工况下变桨驱动载荷进行仿真,分析不同工况下变桨驱动载荷的变化规律,说明由叶片载荷产生的变桨轴承摩擦扭矩在变桨驱动载荷中占有重要比例。提出基于多工况综合分析的变桨驱动电机选择方法。     

基于差分进化算法的风电机组变桨参数寻优

针对大型双馈式风电机组变桨控制器参数优化问题,提出基于差分进化算法离线寻优变桨控制器PI参数的策略。基于GH Bladed软件得出的双馈式风电机组的高阶线性化模型,利用Matlab软件辨识出既满足精度要求,又可进行参数寻优的低阶模型。然后采用差分进化算法优化变桨PI控制器参数。利用寻优得到的参数进行变增益变桨控制,以达到稳定功率的控制目标。以5 MW双馈式风电机组为研究对象进行仿真验证。在阵风工况下,寻优后的输出功率很快恢复到额定值附近,而且最大偏离量较优化前小。在平均风速为16、18和20 m/s的湍流风工况下,寻优后的输出功率标准差较优化前分别降低23.31%、22.78%和18.32%。     

基于蚁群算法的Spar型浮式风机独立变桨控制方法

针对多自由度、非线性、强耦合的漂浮式风电机组,为了缓解其在额定风速以上出现的风轮载荷不平衡、漂浮式基础摇荡及功率输出不稳定等问题,提出了一种基于蚁群算法的独立变桨控制方法,用于动态优化PID控制器参数。针对传统蚁群算法搜索效率低、质量差等问题,文章采用最优-最劣蚂蚁系统对其改进,得到了更适用于漂浮式风电机组的蚁群PID独立变桨控制方法。FAST-Matlab/Simulink联合仿真结果表明,相比于PID独立变桨控制,基于蚁群算法的独立变桨控制方法能有效地减小桨叶根部所受力矩,缓解漂浮式基础的纵向运动,保证功率输出的稳定。     

基于小波BP神经网络的风电机组变桨系统故障预测

变桨故障是风电机组重要的停机故障之一,对变桨系统进行故障预测并提高预测精度,是风电开发的关键技术,不但保证电网安全运行而且减少运维成本。分析处理SCADA系统数据,提取相关联参数,即输出功率、风速、桨距角和转子转速。采用BP神经网络对系统进行模型训练,考虑到风电机组参数具有波动性、不确定性等,同时采用小波BP神经网络进行模型训练。建立变桨故障预测模型,预测未来15 d的变桨系统运行情况,用于制定合理的运维方案。通过MATLAB系统仿真研究,对比分析了预测模型性能指标、误差指标和输出数据图形,小波BP神经网络训练预测模型诊断精度比BP神经网络提高了17%,可信率提高了18%,诊断能力提高了15.4%,诊断误报率降低了17%。