风力机轴承实时剩余寿命预测新方法

由于传统退化指标对周期性故障冲击缺乏敏感性和鲁棒性,无法实现风力机轴承退化过程的适时跟踪以及剩余寿命的准确预测,提出了基于包络谐噪比(envelope harmonic-to-noise ratio,简称EHNR)和无迹粒子滤波(unscented particle filter,简称UPF)相结合的风力机轴承实时剩余寿命预测方法。首先,通过计算振动信号的EHNR监测轴承的早期退化点,并提取EHNR的趋势特征作为退化指标;其次,以轴承历史数据构建退化模型,利用UPF算法更新模型参数,实现对轴承退化状态的跟踪和预测;最后,使用实际风力机轴承监测数据对所提方法进行验证。结果表明,该方法能适时启动寿命预测机制,有效解决传统粒子滤波算法的粒子退化问题。与常用的支持向量回归模型(support vector regression,简称SVR)、反向传播神经网络(back propagation neural network,简称BPNN)的预测方法相比,具有较高的预测精度,为大型风力机组的健康管理和可靠性评估提供参考依据。     

无差拍控制提高变速异步风力发电系统的故障承受能力

变速风力发电机对于电网扰动、故障以及电网电压跌落非常敏感，当上述情况发生时风力发电机将从电网切除，直到电网恢复正常才能重新投入运行。如何在电网发生扰动时保持风力发电机的正常运行是一个有挑战性的课题。未来的电网规范甚至要求在电网发生故障时风力机组仍能保持运行，这就要求必须安装保证风电机组低电压运行的控制装置。文中针对采用全载换流器与电网进行连接的异步风力发电机组提出了相应的风电机组低电压控制器及控制策略，无须进行硬件改造即可实现电网故障情况下风电机组不退出运行。其中，风电机组电气子系统控制器基于无差拍控制策略进行设计。算例给出了300 kW的风电机组在30%电压跌落情况下的暂态过程，没有加入控制器之前风电机组将停机，加入之后则可以保持运行，验证了所提方法的正确性。     

水平轴风力机的几个关键气动问题探讨

水平轴风力机是最有效的风能转换装置之一 ,在世界各地得到了广泛的应用。本文讨论了在风力机的研究和开发过程中所遇到的几个关键气动问题 ,在分析这些问题产生原因的基础上 ,介绍了目前的研究现状和研究水平。本文并结合问题所涉及的基本理论 ,以及学科发展的趋势 ,提出了解决问题的基本方法 ,以及发展方向和近期可望达到的目标等     

风力机的线性变参数主动容错控制

针对风力机具有非线性和参数的不确定性的特征,提出了基于线性变参数(linear parameter varying,LPV)增益调度的风力机主动容错控制方法,降低故障对机组动态特性的影响.基于LPV凸分解方法,将风力机的非线性模型转化为具有凸多面体结构LPV模型,利用线性矩阵不等式(linear matrix inequalities,LMIs)技术对凸多面体各个顶点分别设计满足性能要求的控制器,再利用各顶点设计的反馈控制器得到具有凸多面体结构LPV容错控制器.仿真结果表明,LPV增益调度技术可以成功地应用于风力机系统的容错控制.