基于SCADA数据的国产风力机可靠性评估

基于国内某风电场SCADA系统的现场数据,评估国产风力机的可靠性。通过对故障数据的归类分析,根据故障率、停机时间等指标确定影响风力机可靠性的关键零部件;采用相关性函数分析风力机故障率与环境温度的相关性;利用时间序列方法分析风力机故障率和可靠性的季节性特征。分析结果表明:与文献中的风力机故障数据相比,所研究风力机样本的故障频率偏高,其中,电气系统和控制系统的故障率最高、平均维修时间较短,主轴、齿轮箱和发电机的故障率低、平均维修时间较长。此外,该组风力机的故障率与环境温度具有明显的相关性,表现出较为显著的季节性特征。     

基于ABAQUS的海上风力机动力分析软件平台开发

基于通用有限元程序ABAQUS和风力机开源设计软件FAST,开发海上风力机动力响应分析软件平台ABA-OWT.选用NREL 5 MW海上单桩式风力机标准模型,首先,在ABAQUS中实现风力机结构的自动化建模,并根据风力机的结构特性初步验证模型的正确性;然后,在时域内通过子程序建立风力机结构与FAST子模块(气动、水动和...     

风力机系统的神经网络模型辨识

应用人工神经网络的建模方法,采用多层感知器的模型结构,利用自适应学习速率的BP学习算法,辨识出风力机系统的功能模型,并把辨识模型的仿真结果与系统实验测量数据相对比,开展了与经典系统辨识方法的比较研究,以检验神经网络模型的可靠性.实验结果表明,这种新的风力机系统建模方法具有很高的精度.     

基于功率预测的风力机健康状态监测

随着风力发电的广泛应用,对风力机健康状态进行准确监测的重要性日益凸显,为此提出了一种基于风力机功率预测的健康状态监测方法,即结合多项式模型和自回归模型特点,考虑风速与风力机输出功率之间的相关性和滞后性,利用改进非线性自回归模型对某风场风力机输出功率进行预测,并将预测结果与传统灰色模型、BP神经网络模型预测结果进行对比,计算与实测数据之间的误差。最后,选取功率预测系数中变化较为稳定的系数项作为观测系数,通过标准残差法确定异常观测系数反推风力机健康状态。分析结果表明,改进非线性自回归模型预测值与实测数据较为接近,趋势较为吻合。相比于传统灰色模型、BP神经网络模型,改进非线性自回归模型预测误差较小,精度较高。可见通过分析功率预测系数变化能够及时发现风力机健康状态变化,为故障发现提供参考。     

科氏力对水平轴风力机叶片的影响

基于叶素理论和风力机的运行特点,建立了叶片的科氏加速度理论计算模型;应用有限元原理,给出了考虑科氏力时风力机叶片频率的计算方法;根据小扰动思想推导出了叶片在旋转状态下的动频分量.最后应用以上模型和方法,以600 kW风力机叶片为例进行了实体建模、动力学分析,得出频率及相应振型,结果表明科氏力对叶片的频率有一定程度的影响.     

风力机系统的神经网络模型辨识

应用人工神经网络的建模方法，采用多层感知器的模型结构，利用自适应学习速率的ＢＰ学习算法，辨识出风力机系统的功能模型，并把辨识模型的仿真结果与系统实验测量数据相对比，开展了与经典系统辨识方法的比较研究，以检验神经网络模型的可靠性。实验结果表明，这种新的风力机系统建模方法具有很高的精度。     

基于性能退化数据的风力机叶片疲劳可靠性评估

为了在试验阶段对风力机叶片的疲劳可靠性进行评估,基于某型号风力机叶片全尺寸疲劳试验数据,考虑性能退化过程的随机性和单调性,选用严格单调的逆高斯过程描述叶片的疲劳性能退化轨迹。并根据性能退化理论,建立风力机叶片的逆高斯过程退化模型。利用极大似然估计方法对性能退化模型中的参数进行估计,并根据建立的性能退化模型的可靠度评估方法对叶片的疲劳可靠性进行评估,可实现风力机叶片在无失效寿命数据情况下的疲劳可靠性分析。     

风力机远尾流速度型建模

通过研究风力机尾流速度型的分布形态,引入二项分布方程并将其转化为高斯分布方程,基于Garrad Hassan的风力机尾流实验,建立一个预测风力机远尾流速度型的工程模型。按照建模的实验条件,对引入致动盘方法的流场求解附带可实现k-ε湍流模型的轴对称不可压Navier-Stokes方程,对比分析CFD计算结果和建模结果。通过与实验结果和CFD结果的比较分析,验证本风力机尾流模型的有效性。     

基于灰箱模型的中速磨煤机故障诊断方法

采用数据与机理分析相结合的方法建立了中速磨煤机系统的灰箱模型,该建模方法既克服了纯机理建模过于复杂、耗时较长的问题,同时比纯数据建模具有更好的精确性和鲁棒性。然后利用该灰箱模型得到磨煤机输出量的残差数据,并通过小波变换提取残差的变化趋势,提出了一种基于斜率阈值的故障检测方法,根据随机森林算法的原理对故障数据进行训练,建立了一个用于故障类型识别的故障分类器。结果表明:所提故障诊断方法能够实现对磨煤机故障的早期诊断,并具有较高的故障识别率和识别精度。     

电网电压跌落下双馈风力发电机组暂态性能的比较分析

为了较全面地研究不同运行工况下并网双馈风力发电机组的暂态运行性能,该文基于双馈发电机电磁暂态模型,采用等效集中质量法,建立了考虑风力机和发电机之间传动轴扭转柔性的风力机两个质量块等效模型。在此基础上,基于定子电压定向的矢量控制策略,对风电机组在不同风力机输出转矩、不同电网电压跌落和不同故障持续时间下分别进行了暂态运行性能的仿真,并对风力机不同质量块等效模型的结果进行比较。结果表明,双馈风力发电机组暂态性能与风力机传动链柔性、电压跌落程度和故障持续时间等密切相关。     

基于长短时记忆网络融合SCADA数据的风电齿轮箱状态监测

针对不具有时间记忆能力的机器学习方法融合风电机组数据采集与监控系统(SCADA)的时序数据而导致风电齿轮箱状态预测精度不高的问题,提出基于长短时记忆(LSTM)网络融合SCADA数据的风电齿轮箱状态预测模型。选择能表征风电齿轮箱运行状态的某个监测量作为模型的输出量,基于灰色关联度选择与该监测量关联密切的SCADA参数作为预测模型的输入量;使用正常状态下的SCADA数据训练LSTM预测模型,得出预测值和残差,通过3σ准则计算出上下预警阈值,用于风电齿轮箱状态监测和故障预警。某风电场风电齿轮箱的SCADA数据验证表明所提出的方法能有效预警风电齿轮箱故障。     

基于深度卷积自编码器的风电机组故障预警方法研究

通过风电机组状态监测进行故障预警,可防止故障进一步发展,降低风场运维成本。为充分挖掘风电机组监控与数据采集（SCADA）各状态参数时序信息,以及不同参数之间的非线性关系,该文将深度学习中自动编码器（AE）与卷积神经网络（CNN）相结合,提出基于深度卷积自编码（DCAE）的风电机组状态监测故障预警方法。首先基于历史SCADA数据离线建立基于DCAE的机组正常运行状态模型,然后分析重构误差确定告警阈值,使用EMWA控制图对实时对机组状态监测并进行故障预警。以北方某风电场2 MW双馈型风电机组叶片故障为实例进行实验分析,结果表明该文提出DCAE状态监测故障预警方法,可有效对机组故障提前预警,且优于现有基于深度学习的风电机组故障预警方法,可显著提升重构精度、减少模型参数和训练时间。     

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。     

基于惯性网络的兆瓦级风电叶片形变测量算法研究

针对目前风电叶片形变过程中挠曲度测量误差较大的问题,提出一种基于惯性网络的相对运动监测算法。首先根据应力分析对叶片建立主从式惯性网络,然后推导出主子节点间的相对运动解算方法并建立相对导航误差模型,设计相对导航误差估计滤波器,通过误差反馈保证子节点的位姿解算精度;其次构建联邦式的相对惯性导航误差估计滤波器进行主子节点的数据融合,提高风电叶片的形变估计精度及系统整体的容错性;最后对某型风电叶片进行静力加载试验,试验结果表明：该算法可准确测量出叶片上各节点在三维空间的位移曲线,3个子节点在挥舞方向的平均相对误差仅为0.92%、1.18%、1.07%。该算法可实时监测风电叶片的位姿状态,在叶片检测及风力机日常运行的安全监测上具有较好的理论研究意义与工程应用价值。     

小波包能量熵和改进的LSSVM在风力机轴承故障诊断中的应用

针对极端复杂工况下风力机轴承运行状态监测中的故障诊断问题,提出一种基于小波包能量熵故障特征提取并结合鲸鱼算法(WOA)优化最小二乘支持向量机(LSSVM)进行故障分类识别的风力机轴承故障诊断方法。通过小波包分解提取各频带成分的能量熵值构建故障特征集,同时针对LSSVM参数的选取依赖人工选择的盲目性问题,采用鲸鱼优化算法寻找LSSVM中最优的2个关键参数正则化参数和核函数参数,以此提高故障诊断模型的分类精度。通过不同工况下的试验数据集测试,实现了对不同故障状态特征参数的准确分类。结果表明,所提方法诊断结果优于遗传算法(GA)和粒子群算法(PSO)分别优化的LSSVM.远优于传统的LSSVM算法。     

基于网格搜索优化ERF模型的风电机组异常状态预警

提出一种基于网格搜索优化(GS)极端随机森林(ERF)模型的风电机组性能预测及异常状态预警方法.首先,采用离散度分析法清洗噪声和异常工况数据,以获取建模用正常运行状态数据.其次,通过分析风机运行与控制原理,选取与转速和功率具有较高相关度的特征参数作为模型输入,完成预测模型训练和验证,并对比ERF模型与其它几种模型的建模...     

基于批标准化的堆叠自编码网络风电机组变桨系统故障诊断

为了提高风电机组变桨系统故障诊断的准确性,提出一种基于批标准化的堆叠自编码(SAE)网络故障诊断模型.针对SAE网络在特征学习过程出现的梯度硬饱和问题,选用PReLU激活函数,在SAE网络中加入批标准化(BN)层进行优化,通过输出层的Softmax函数,得到变桨系统各部件故障发生概率.以均方误差最小化为目标,采用Ada...     

基于多层深度互信息变分网络的风电机组轴承故障预警方法

针对变工况复杂环境下风电机组轴承的早期故障潜隐性高且故障阈值设置困难的问题,提出一种基于多层深度互信息变分网络的轴承故障超前预警方法。该网络在变分自编码器的架构上进行多层编码拓展,采用解码信号的二次编码增强了变分网络对输入信号中噪声的鲁棒性,通过隐层变量与输入信号间最大化互信息以及与二次编码特征间的最大化互信息,提高了网络对轴承正常状态空间的建模能力。以二次编码特征与隐层变量的重构误差为基础,构建健康指数,结合三次递推指数加权移动平均模型设置与风电机组轴承工况环境相适应的健康基线。在2个风电机组轴承故障检测试验中的应用结果表明,该方法对比传统的基于模型重构的轴承早期故障检测方法,具有更高故障预警准确率和抗干扰能力。     

Analysis and estimation of transient stability for a grid-connected wind turbine with induction generator

Increasing levels of wind energy in modern electrical power system is initiating a need for accurate analysis and estimation of transient stability of wind turbine generation systems. This paper investigates the transient behaviors and possible direct methods for transient stability evaluation of a grid-connected wind turbine with squirrel cage induction generator (SCIG). Firstly, by using an equivalent lump mass method, a three-mass wind turbine equivalent model is proposed considering both the blades and the shaft flexibility of the wind turbine drive train system. Combined with the detailed electromagnetic transient models of a SCIG, the transient behaviors of the wind turbine generation system during a three-phase fault are simulated and compared with the traditional models. Secondly, in order to quickly estimate the transient stability limit of the wind turbine generation system, a direct method based on normal form theory is proposed. The transient models of the wind turbine generation system including the flexible drive train model are derived based on the direct transient stability estimation method. A method of critical clearing time (CCT) calculation is developed for the transient stability estimation of the wind turbine generation system. Finally, the CCT at various initial mechanical torques for different dynamical models are calculated and compared with the trial and error method by simulation, when the SCIG stator terminal is subjected to a three-phase short-circuit fault. The results have shown the proposed method and models are correct and valid.     

基于混合算法的燃气轮机多传感器故障诊断

为解决卡尔曼滤波算法难以实现燃气轮机多传感器故障诊断的难题,提出一种基于混合算法的燃气轮机多传感器故障诊断方法。首先,基于平方根容积卡尔曼滤波（SRCKF）算法构建了一组滤波器,每个滤波器对状态的最优估计被定义为故障检测因子用于传感器故障的特征提取;然后,利用基于密度的聚类算法对故障检测因子进行聚类以实现故障传感器的检测和隔离;最后,利用极大似然估计方法（MLE）实现故障传感器故障严重程度的估计。所提出的方法在GT25000三轴燃气轮机模拟机上进行了仿真验证,仿真结果表明：所提方法有效,多传感器故障诊断的准确率高于95%。