电机驱动系统故障诊断技术综述EI北大核心CSCD

故障诊断技术对电机驱动系统的安全稳定与高效运行至关重要,是近年来电机驱动领域的研究热点之一。该文旨在对电机驱动系统故障诊断方面的研究工作进行系统性综述。首先,介绍电机驱动系统的常见故障类型,并梳理故障诊断所面临的技术难题。其次,对现有故障诊断方法进行分类和归纳,详细阐述各类方法的基本原理。在此基础上,深入探讨电机驱动系统各类故障诊断方法的适用范围以及所面临的挑战。最后,对电机驱动系统故障诊断技术未来的发展趋势进行全方位展望,以期为理论研究和技术路线的创新发展提供一些思考和借鉴。     

大型风力发电机组健康状态评价综述

采用合理的方法进行风电机组健康状态评价对于分配风电场功率,减少运维成本,延长风电机组使用寿命有着重要意义。随着装机容量的增长,风电机组健康状态评价引起了国内外学者的广泛关注。目前健康状态评价方法较为繁杂,且对于风电机组健康状态评价方法的总结归纳较少。因此,基于现有研究成果,对风电机组健康状态评价的现状进行梳理。首先,介绍了风电机组健康状态评价的方法,并对已有方法进行分类,分析了其优缺点。其次,介绍了风电机组健康状态评价的数据来源及描述其健康程度的指标。最后,从健康状态评价的数据分析、机组健康状态与控制的相互影响、整机的健康状态评价及预测等方面提出未来可研究的要点。     

大型风力发电机组故障诊断方法综述

故障诊断技术是保证风场运行效率并降低风场运营成本的关键。对风电机组故障诊断技术进行综述,按照基于定性诊断、定量诊断的分类方式,针对现有风电机组故障诊断方法并结合故障诊断系统进行分析。对每一类现有故障诊断方法再次归类,指出这些方法的基本思想、适用条件和应用范围以及优缺点,并探讨了风电机组故障诊断技术未来可能的主要发展方向。     

大型风力发电机组系统结构与特点

1风电机组系统结构与特点大型风力发电机组必须通过联网运行,并将风电机组输出的电压和频率变为电网的恒定电压和频率加以传输,目前一般采用全额定值变换原理。图1示出这种方式的原理结构。风电机组通过全额定值变频器和变压器与高压电网相联,变频器将风电机组输出的总是在不停变化交流电压,首先变换成直流,再逆变成电压频率和幅值及相位与电网一致的交流电源电压。显然,变频器的容量必须与发电机的额定容量对     

风力发电机组状态监测系统设计与应用

风力发电机组状态监测系统的设计可以有效降低机组的检修维护费用,保障机组的安全稳定运行。对风力发电机组状态监测和故障诊断技术进行了深入的研究,设计了风力发电机组状态监测系统,并详细介绍了系统的结构与功能。通过系统在大型风力发电场的成功应用,验证了其对风力发电机组状态监测与诊断的有效性。     

大型风力发电机组故障诊断综述

开展大型风力发电机机组的状态监测和故障诊断研究,及时掌握其运行状态,及早发现其潜在故障征兆,对降低其故障率和减少其运行维修成本,从而加强大型风力发电机组的可靠运行具有重要意义。在通过对大型风力发电机组中的机械故障和电气故障的类型及其特点进行全面分析总结的基础上,对大型风力发电机组的故障信号和故障信号处理方法进行了详尽的分析,介绍了大型风力发电机组的智能故障诊断方法,并指出现有方法的不足和未来的研究发展方向。     

大型风力发电机组振动的研究

论述了引发大型变速变桨距风电机组振动的原因及其激励源所在。对2MW风机可能存在的振动情况进行了分析,设计了转矩阻尼滤波控制器并用Mat-1ab软件进行仿真验证,找到了能有效控制塔架振动的方法。     

基于电流信号稀疏滤波特征融合的齿轮箱故障诊断方法EI北大核心CSCD

风电齿轮箱的故障诊断方法主要以振动信号分析为主,相比于振动信号,电流信号具有非侵入式、监测成本低等优点。因此,提出基于发电机电流信号的风电齿轮箱故障诊断方法。针对电流信号基频分量干扰大、信噪比低而造成的特征提取难的问题,提出基于稀疏滤波网络的电流信号无监督特征学习与融合方法。首先,设计基于稀疏滤波的局部特征学习网络,用于从原始电流信号和包络信号中分别学习不同的故障特征;然后,将通过稀疏滤波网络学习到的原始信号稀疏特征与包络信号稀疏特征进行融合以丰富故障特征空间;最后,将融合的特征输入到支持向量机进行训练,实现不同故障类型的智能识别与诊断。通过风电齿轮箱实验台开展齿轮箱故障模拟实验来验证所提出的方法。实验结果表明,该方法能够从电流信号中自动提取反映齿轮故障的有用特征,相比于传统特征提取方法,取得了较高的诊断精度和效率。     

采用WAMS时序信息的故障诊断方法及应用EI北大核心CSCD

为弥补现有基于模式识别的广域测量系统(wide-area measurement system,WAMS)故障诊断方法在获取完整故障演进过程的不足,将时序信息引入到基准模式向量中,提出了一种基于WAMS时序信息的故障诊断方法。该方法根据已知故障类型建立包含时序信息的基准故障模式向量,在满足故障启动条件的情况下,对未知故障进行特征量提取并按照时序信息与时序基准故障模式向量进行匹配,从而确定故障类型及获取完整的故障演进过程。最后,利用包括强台风等极端天气下的实际系统事故的WAMS实测数据验证了所提方法针对不同故障类型均可得到包括故障时刻、故障过程中保护和断路器动作信息在内的事故演进过程。     

风力发电机组控制技术综述及展望

风力发电机组的控制技术是风电系统产品研发和设计的关键。针对风电机组复杂非线性动力学特性,综述了国内外控制技术的研究进展,从风电机组控制系统基本结构、机组分类及特点、动力学特性、控制目标及常见控制算法方面进行了归纳分析,并探讨了未来风电控制技术混合驱动、载荷评估的发展趋势,以及自主容错、自维持运行的新思路。     

风电机组耦合振动特性分析EI北大核心CSCD

在兆瓦级风电机组中,桨叶、塔筒及传动轴作为具有一定柔性的部件容易发生形变,产生振动并形成耦合。传统分析中一般只考虑传动轴的扭振特性,难以研究低频耦合振动对系统的影响。利用FAST与Matlab/Simulink联合仿真方法,建立了包含气动力学、多体动力学及电气控制的数学模型。通过不同风况及不同幅值电压跌落的激励,分析叶尖加速度、塔筒顶部加速度及扭矩等变量,研究机组中主要部件的耦合振动。结果表明叶尖挥舞及摆振方向,塔筒顶部前后及侧向,传动轴扭振之间存在耦合振动,但各方向耦合程度不同,桨叶摆振方向、塔筒侧向与扭振的耦合对机组威胁最大。此外,湍流风下发生电压跌落也会对机组带来较大威胁。     

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。     

风力发电机组防雷保护

随着风电机组单机容量和风电场规模的增大,风电场的安全运行问题日益受到重视。在影响风电场安全运行的诸多因素中,遭受雷击是一个重要方面。本文结合风电机组防雷的研究成果,对雷电的形成及危害、风电机组叶片、机舱、电控系统的防雷措施和接地技术进行了较全面的阐述。     

风力发电机组故障分析与智能诊断

随着中国风力发电的比重及机组容量的不断增大,机组一旦发生故障,不仅影响风电场自身的安全,而且对电网的稳定运行造成重大影响。故障分析与智能诊断技术是降低大型风力发电机组故障率与运维费用的主要手段之一。文中详细分析了风力发电机组主要部件的故障,在对风力发电机组状态监测和故障诊断技术深入研究的基础上,提出了基于小波包和BP神经网络的智能诊断方法,以此开发了风力发电机组状态监测与故障诊断系统,通过系统在大型风力发电场的成功应用,验证了其对风电机组故障诊断的有效性。     

大型汽轮发电机组振动监测与故障诊断系统

文章叙述了大型汽轮发电机组振动监测分析与故障诊断系统的组成、系统所用数据采集器的特点以及振动监测分析与故障诊断软件的各项功能。在分析常用故障诊断方法的基础上，着重介绍了模糊＋交互诊断和模糊聚类分析 交互诊断这两种诊断方法以及在故障诊断中的应用。理论与实践表明，聚类模糊诊断＋对话诊断可以较容易地避免误诊断，从而提高故障诊断的准确度。     

兆瓦级风力发电机组有功功率调节综述

大型兆瓦级风力发电机是近年来风电机组的发展趋势,其控制系统变得越来越重要,对其的设计要求也变得越来越苛刻。此外,对风电机组的性能和结构性载荷都取决于对控制器的认识为风电机组的研究带来的新动力。将控制器的任务扩展到减轻结构性载荷激励了对寻求新的利用叶片节距系统来使结构性载荷的减轻最大化的控制策略的探究。为了加强对用于兆瓦级风电机组的控制的可能性和潜力的认识,文章对其进行了概要介绍,并讨论了控制系统在风能技术中的地位及其作为一种综合了开发者的洞察力的技术的作用。     

电网故障最优诊断的查询方法EI北大核心CSCD

针对传统专家系统在电网故障诊断应用中的局限性,提出一种基于模型诊断的电网故障最优诊断的查询方法。该方法按照基于因果关系的诊断思想,得到预设故障输出对应的预备候选诊断,然后根据故障后的电气信息从匹配的预设故障输出中确定候选诊断,最后,运用贝叶斯理论计算候选诊断的故障概率,并查询最大概率的候选诊断作为电网故障的最优诊断。该方法通过离线获得预备候选诊断,在线确认候选诊断的手段,缩减了诊断的时间,在利用贝叶斯定理处理诊断的不确定性时,将告警信息引入到模型诊断逻辑框架内计算元件的实际故障概率,提高了诊断的准确性。算例分析结果验证了所提方法的有效性和可行性。     

基于多分类相关向量机的水电机组振动故障诊断EI北大核心CSCD

水电机组振动故障成因与故障征兆之间呈复杂的非线性关系,传统方法难以描述。当前研究常采用模式识别方法,如支持向量机、神经网络等实现振动故障诊断。该文在现有研究基础上,引进相关向量机(relevance vector machine,RVM)对诊断过程进行改进。相比传统方法,该文所提方法在学习过程中参数设置简单,在输出结果时给出了分类的可靠性,适合实际工程应用。同时,该方法在决策过程中,能够根据训练数据分布情况,自动选取决策结构,进一步提高诊断的速度与准确性。将该文所提诊断方法用于水电机组振动故障诊断实例,取得良好效果,验证了算法的有效性。     

风力发电机组齿轮箱故障诊断

由于齿轮箱运行的好坏直接影响整个风力发电系统的运行,因此对其进行故障诊断十分重要.若在故障初期便可分析出来故障部位和故障程度,就能将损失降到最小,为设备提供了技术支持并为维修提供方便.在齿轮箱各种监测信号中,振动信号最能反映设备运行状态,将振动信号作为研究对象,将它经过时域和频域分析处理,判断齿轮箱的运行是否正常.对比...     

基于风速衰减因子法的大型风电场尾流效应模拟方法研究EI北大核心CSCD

在大型风电场尾流计算中,多台风机的尾流叠加方法一直是个难点。传统的尾流叠加方法均基于实际风速值,导致模型复杂、计算必须依据气流流经风机的顺序,且由于风机尾流之间的覆盖关系较为复杂,容易出现漏算、重复计算的问题。提出风速衰减因子(尾流风速与来流风速之比,Rv)及基于风速衰减因子的风电场尾流计算方法,称为风速衰减因子法(Rv法)。该方法物理意义明确、简单易行,可按照任意风机顺序进行计算,避免漏算、重复计算问题。此外,基于实例风电场,采用法模拟了尾流影响下全部风机的功率情况,对比显示模拟结果与实测数据较为一致(相关性系数0.86);采用Rv法模拟了风电场三维尾流分布,并与实测风廓线进行了对比,对比结果显示在大气稳定条件下,模拟结果与实测数据较为一致。