风力发电机机组塔架法兰间隙的有限元仿真分析及应用

风力发电机机组塔架法兰的螺栓松动会严重影响风力发电机机组的运行安全.为此应用法兰间隙法监测螺栓松动,采用有限元分析软件ANSYS对风力发电机机组的塔架法兰间隙进行有限元仿真分析,探究法兰间隙分布规律、螺栓松动与法兰间隙的关系、法兰间隙与螺栓受力关系,阐述法兰间隙的仿真分析结果及监测结果的结合应用,为风电机组的安全分析提供相关建议.     

风力发电机状态监测与故障诊断技术综述

本文阐述了风力发电机常见运行故障监测与诊断技术现状,并分别介绍风力发电机故障仿真及实验模拟方法、故障模拟实验平台、风力发电机状态监测系统,对风力发电机状态监测及故障诊断技术发展方向进行了展望。研究表明,基于多参量(如电信号、振动信号、功率信号等)的故障监测诊断技术将成为风力发电机组状态监测与故障诊断领域未来发展的方向之一。     

风力发电机轴承振动监测故障诊断分析

为提高风力发电机轴承状态异常判别和故障诊断能力,保证机组可靠稳定运行,降低机组维护成本,发电机轴承采用了振动在线状态监测频谱信号的判别方法,即利用振动数据样本及特征频率分析,监测轴承运行状态。通过对轴承振动数据的分析来评定其运行状态,为轴承故障预判提供依据。     

基于SCADA数据的风力发电机发电性能指标评估

为评估风力发电机主流的发电性能指标量化发电效率能力,需要从中选择一种指标作为服役质量监测的主要依据。首先以某风电场的SCADA历史数据为依据,应用统计分析方法对风力发电机主流发电性能指标（可用度、发电比例、负载率）的统计特征进行了分析比较;然后,从指标信息来源的角度解释了指标之间产生差异的原因;最后,结合异常运行数据比较了性能指标对于风速、功率曲线异常波动的敏感程度。结果表明,虽然发电性能指标表现出一定的一致性,但发电比例更能代表所有发电性能指标,并且能够更好地反映风力发电机的发电性能、体现风速-功率曲线的异常波动, 在风力发电机主流发电性能指标中,发电比例更适合作为服役质量监测的主要指标。     

基于柔性多体动力学的风力发电机固有振动频率研究

水平轴风力发电机大型化、柔性化的发展趋势使得基于小变形假设的线性分析方法不再合理。大型风力机柔性叶片和塔架的耦合振动加剧,需采用整机模型对其进行分析。基于柔性多体动力学理论,采用刚体有限元方法建立了风力发电机的整机结构动力学模型,该模型不受几何变形量大小限制,能够对风力机在各种情况下的整机振动进行分析。模型结果与其他程序进行了对比,证实该文模型的精度比模态方法更高。研究了叶片和塔架在耦合与非耦合状态下整机的固有振动频率,结果表明:在整机状态下塔架和叶片的部分高阶频率发生了变化,系统中有新的耦合振动频率产生,这意味着用单个柔性部件的固有频率去评估整机的振动是不可靠的,对于大型风力机必须采用整机模型。     

中空内外钢管混凝土风电塔架柱有限元分析

为节约用钢量,保证风力发电机塔架柱具有更好的经济性,基于1.5MW风电塔架柱的参数,设计了一种新型的中空内外钢管混凝土风力发电机组塔架柱。基于Ansys软件建立了该塔架柱的三维有限元模型,并对其进行了塔架柱静力分析和模态分析,得到了在额定风速下正常运行、切出风速下正常运行和极端风况下停机这3种工况下塔架柱的应力及塔架柱顶位移变化,以及塔架柱的固有频率和振型。结果表明:该塔架柱不会与叶片发生共振,且其结构满足工程的强度和刚度要求。     

风电机组弹性支撑与发电机耦合的振动特性研究

对2MW双馈异步风力发电机在运行过程中的振动问题进行分析。通过理论计算、模态分析和振动测试,提出风力发电机弹性支撑的设计方法。重新设计弹性支撑后,发电机通过现场振动测试,确认振动值可以满足风力发电机的振动要求。     

风电机组综合状态在线监测与远程诊断中心的建立

近年来,风电机组振动状态在线监测系统得到不断地应用和推广,但是仅对机组机械传动部分振动信号进行评估分析,监测手段过于单一,不能全方位捕捉机组故障状态.为此,提出在风电机组振动在线监测技术研究的基础上,进行风电机组叶片应变状态监测、齿轮箱油液在线监测、发电机电气参数监测及风电机组生产运行参数监测技术的研究,研制风力发电机组综合状态在线监测系统,并建立远程诊断中心,将风力发电机组振动在线监测系统全面升级为风力发电机组综合状态在线监测系统,以期为实现风电场少人、无人值守目标奠定坚实的基础.     

风力发电机振动监测与故障诊断方法综述

振动监测是风电机组状态监测与故障诊断的关键技术,对保证风电机组安全可靠运行至关重要。介绍了风力发电机的结构及故障特点,在对近年来的文献进行分类总结的基础上,综述了现有的风电机组振动监测与故障诊断方法,分析了各种方法的优缺点及应用情况。最后对风电机组故障诊断技术的未来发展方向进行了展望。     

基于MSET模型的风力发电机故障预警

发电机是风电机组重要部件之一,监测参数较多,包括电参数和机械参数。由于基于SCADA上下限的报警模式对发电机的机械故障,如轴承非正常摩擦等故障不能及时预警。对风力发电机中监测参数为非独立变量且数值变化范围较大的参数建立MSET(Multivariate State Estimation Technique)预警模型;风力发电机中监测参数为独立变量且数值变化范围较小的参数采用SCADA预警系统进行故障预警。通过对发电机前轴承温度添加人为偏移来验证MSET预警模型的有效性,验证结果表明该方法能及时、有效地进行故障预警。     

基于小波包域双谱的风力机振动信号监测方法研究

文章主要基于小波域双谱的方法对风力机振动信号监测技术进行研究,以风电场多台1.5兆瓦直驱机型的大量轴承振动信号为基础,运用了一种小波包域双谱的方法对振动信号分析,并与传统双谱进行对比,实验结果表明:小波包域双谱优于双谱分析,能够准确的判断轴承正常和故障运行情况,该方法不但有效抑制噪声和其他高频成分的干扰,而且具有双重消噪的效果,有效地避免了小波分析和传统双谱分析的缺点,为在线监测异常状况预警提供了很好的依据。     

风力发电机组在线故障预警与诊断一体化系统设计与应用

目前,风力发电机组缺乏一个面向整机所有重要部件关键参数的综合性监测系统,且现有系统的分析和诊断功能较薄弱.因此,设计了一种风力发电机组在线故障预警和诊断一体化系统,分别从系统的结构、功能和特点3个方面阐述了整个系统的硬件和软件实现.在对现有故障诊断方法和振动信号特点分析的基础上,阐述和论证了故障预警系统的工作原理和故障诊断方法的步骤,并重点对故障诊断系统自学习能力的具体功能和实现方法进行了说明.实际风电场运行情况表明,该一体化系统稳定、可靠、高效,完全能够满足实际的需要.     

风电叶片结构健康监测系统

中国目前大力发展清洁能源技术,以风电为代表的新能源产业在中国已经有比较大规模的应用。在运行过程中,风电叶片表面出现了撕裂、扭转、螺丝松动等情况;出现上述情况的部位主要集中在叶片根部、叶片空心材料与实心材料交接处。通过对风电叶片运行状态、叶片材料、制作工艺的研究,出现这样的情况主要是运行过程中震动量及应变力起了较大的影响。因此,通过安装在叶片内部的加速度传感器及应变片监测叶片的震动量信号及应变力,采集这两种类型的数据并通过一年以上运行数据的积累达到动态监测风电叶片结构监测健康系统的目的。未来希望通过分析能够了解叶片的全生命周期,做到提前预警。     

基于相对主元分析的风电机组塔架振动状态监测与故障诊断

振动信号是风电机组数据采集与监控系统（supervisory control and data acquisition system, SCADA）中一类重要变量。以风电机组SCADA运行数据为基础,首先结合风机运行原理详细分析了导致塔架振动的主要因素。进而采用相对主元分析（relative principal component analysis,RPCA）和某风电机组2011年3~5月份的SCADA运行数据,建立了覆盖塔架正常工作状态的RPCA振动模型,计算得出监控统计量Hotelling T2（简称T2）和平方预测误差（squared prediction error,SPE）。采用塔架振动RPCA模型,准确检测出风电机组变桨系统故障,验证了所研究方法的有效性。     

输电线路在线监测系统应用和管理平台

输电线路是智能电网的重要组成部分,为了保证输电线路的安全运行,部分网省公司现已建成雷电、覆冰、污秽、气象、微风振动等线路运行状态监测相关系统。通过研究输电线路在线监测系统的应用和管理信息平台,结合设计目标,完成了系统总体架构设计,并通过将电网输电线路监测装置采集的信息及各监测系统应用产生的应用结果信息进行融合存储,构建了完整的输电线路运行状态信息数据平台。系统还运用相关算法对传感器可靠性进行评估,在平台基础上设计了按时间特性分层的输电线路故障预警、线路故障分析、监测数据挖掘分析、线路运行状态评估、线路运行环境评估等高级应用功能,做到了自动、及时地向不同管理职责的用户分级预警汇报,能避免重大事故的发生,保障电网稳定运行。     

兆瓦级风电机组低电压穿越过程运行特性分析

针对目前研究中陆上大型双馈风电机组低电压穿越(LVRT)过程运行特性研究不足,且缺乏测试仿真对比验证分析的现状,对某兆瓦级陆上风电机组,建立GH Bladed仿真模型,研究低电压故障过程中机组运行特性及关键部位载荷特性。同时,对该机组实际型式试验测试数据进行分析,对特定LVRT工况进行仿真,对比分析故障对于机组运行特性影响以及对塔架载荷的影响。仿真及测试结果都表明LVRT故障对机组塔架载荷有重要影响,且在大风工况下影响更大。     

基于改进辅助分类生成对抗网络的风机主轴承故障诊断

基于振动信号的风电机组故障诊断方法是风电安全运维领域研究的重点之一。风电机组主轴承较少发生故障,给运用数据挖掘方法判断故障类型带来很大困难。针对该问题,文中提出了一种用于风电机组主轴承故障诊断的数据增强方法。通过对辅助分类生成对抗网络(ACGAN)的适应性进行改进,引入梯度惩罚,构建了改进ACGAN框架,以提高其学习稳定性;在判别器网络中引入池化层,以提升其在多分类场景下提取数据特征的能力。仿真结果表明,所提出的改进ACGAN框架能够实现对原始数据分布特征的有效学习,抗噪声干扰性强,相对于原框架训练过程更稳定,生成数据的质量更高;能够有效平衡风电机组主轴承故障振动数据,进一步提升了风电机组主轴承故障诊断的正确率。     

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。     

基于区间划分的风电齿轮箱在线故障预警方法

针对大型风电机组运行工况复杂多变,依靠恒定的润滑油温度值作为齿轮箱故障预警值容易不报的问题,提出了基于运行区间划分的风电机组齿轮箱在线故障预警方法。该方法通过划分不同的运行区间,对不同运行区间根据高斯模型分别设定阈值。将实时数据代入相应运行区间判定是否异常,再利用移动窗口计算异常率作为触发齿轮箱故障预警的指标。该方法用于某1.5 MW风电机组齿轮箱故障的分析,结果表明,该方法能够准确地反映故障的发展趋势,可实现齿轮箱故障的早期预警,避免故障向更严重的方向发展,降低风电机组运行和维修成本。     

风电机组齿轮箱非平稳振动信号谱分析方法

齿轮箱是风电机组的重要部件,其运行状态直接决定了风电场的收益,通过研究齿轮箱的振动信号来评判齿轮箱的运行状态具有重要意义。论述了风电齿轮箱的结构形式和故障特征,依据某类型风电机组齿轮箱特点,制定振动数据采集方案,采集2台风电机组齿轮箱高速轴振动信号;应用Hilbert能量谱和短时傅里叶重排谱对比分析,分别提取2台机组齿轮箱高速轴测点振动信号中蕴含的故障特征频率。分析得到一台机组齿轮箱高速轴损伤,实际验证了该齿轮箱高速轴故障为齿面点蚀。证实了Hilbert能量谱和短时傅里叶重排谱相结合的分析方法在提取风电齿轮箱故障特征频率的有效性和实用性。