风电场的风速预测与主轴故障诊断

发布时间：2021-12-15 19:02

　　风电场的风速和主轴的故障信号是在线监测系统的监测信号,风速对风电场的发电量有着决定的关系,也直接影响风电场的调度；主轴的故障将导致机械传动链故障,主轴故障严重时风力发电机组将直接停机。本文主要讲述了风电场风速的预测和主轴的故障诊断,采用时间序列法对某电场的24小时数据进行短期风速预测,通过AR、ARIMA模型对预测风速结果进行比较；利用小波变换对CWRU Bearing Test Data Center实验数据进行故障诊断,根据已计算出故障频率较好诊断主轴故障。 

【文章来源】：华北电力大学(北京)北京市 211工程院校 教育部直属院校

【文章页数】：66 页

【学位级别】：硕士

【文章目录】：
中文摘要
英文摘要
第一章 引言
    1.1 选题背景及意义
    1.2 国内外研究现状
        1.2.1 风速预测
        1.2.2 振动故障诊断
    1.3 本文研究内容
第二章 时间序列
    2.1 时间序列的分析概述
    2.2 ARMA时间序列
        2.2.1 白噪声时间序列
        2.2.2 AR(Auto regressive)自回归模型气化影响因素分析
        2.2.3 MA(Moving Average)移动平均模型
        2.2.4 ARMA(Auto Regressive Moving Average)模型
        2.2.5 ARIMA(Autoregressive Integrated Moving Average)模型
    2.3 差分法
    2.4 时间序列模型结构识别与定阶方法
        2.4.1 AR(p)模型的定阶
        2.4.2 ARMA(p,q)模型的定阶
第三章 时间序列在风速预测上的应用
    3.1 风速时间序列
    3.2 风速时间序列的预处理
        3.2.1 提取序列
        3.2.2 ARMA(p,q)平稳性
    3.3 风速预测模型的识别、定阶及参数的确定
        3.3.1 AR(p)模型
        3.3.2 ARIMA(p,d,q)模型
    3.4 风速预测
        3.4.1 基于模型AR(3)的风速预测
        3.4.2 基于模型ARIMA(6,5,1)的风速预测
    3.5 模型检验与预测结果
        3.5.1 模型检验
        3.5.2 不同模型的预测效果比较
第四章 小波分析的基本理论
    4.1 小波变换概述
    4.2 时间—频率局域化分析
    4.3 小波分析理论
        4.3.1 连续小波变换
        4.3.2 离散小波变换
            4.3.2.1 离散小波变换
            4.3.2.2 二进小波变换
            4.3.2.3 正交小波和小波级数
    4.4 小波分解与重构
        4.4.1 多分辨分析
        4.4.2 正交小波基的构造
        4.4.3 离散小波分解与重构
        4.4.4 常用小波函数
            4.4.4.1 小波基的数学特性
            4.4.4.2 小波函数
第五章 风力发电机组主轴的故障诊断
    5.1 风力发电机组的主轴故障
    5.2 小波时间序列分析主轴的故障
        5.2.1 轴承的内圈故障
        5.2.2 轴承的外圈故障
        5.2.3 轴承的滚动体故障
    5.3 小结
第六章 结论与展望
参考文献
致谢
在校期间发表的学术论文和参加科研情况


【参考文献】：
期刊论文
[1]兆瓦级风力发电机故障诊断[J]. 陈长征,梁树民.  沈阳工业大学学报. 2009(03)
[2]基于专家系统的风力机机舱故障诊断研究[J]. 张彦南,张礼达.  云南水力发电. 2009(03)
[3]小波支持向量机在滚动轴承故障诊断中的应用[J]. 郭磊,陈进,朱义,肖文斌.  上海交通大学学报. 2009(04)
[4]基于RBF神经网络的风力发电机组故障诊断研究[J]. 杨伟,贾石峰.  电气传动自动化. 2009(02)
[5]基于信息熵神经网络的风力发电机故障诊断方法研究[J]. 张来斌,崔厚玺,王朝晖,段礼祥.  机械强度. 2009(01)
[6]基于风速预测和随机规划的含风电场电力系统动态经济调度[J]. 孙元章,吴俊,李国杰,何剑.  中国电机工程学报. 2009(04)
[7]风速时间序列的非线性特性分析[J]. 柳亦兵,李虎,马志勇,辛卫东.  华北电力大学学报(自然科学版). 2008(06)
[8]风力机状态监测与故障诊断技术研究[J]. 蒋东翔,洪良友,黄乾,丁勇山.  电网与清洁能源. 2008(09)
[9]风电场风速短期多步预测改进算法[J]. 潘迪夫,刘辉,李燕飞.  中国电机工程学报. 2008(26)
[10]基于Box-Cox变换的风电场短期风速预测模型[J]. 栗然,王粤,曹磊.  现代电力. 2008(04)

博士论文
[1]基于模型的时间序列数据挖掘[D]. 段江娇.复旦大学 2008
[2]基于小波理论的变形分析模型研究[D]. 文鸿雁.武汉大学 2004

硕士论文
[1]双馈式风力发电机组故障诊断的方法及实现[D]. 关新.沈阳工业大学 2009
[2]多维ARMA模型的谱估计及预测方法[D]. 郭艳鹂.西南交通大学 2008
[3]基于小波神经网络的混沌时间序列建模研究[D]. 殷佳.大连理工大学 2007
[4]时间序列挖掘技术及其在短期电力负荷预测中的应用研究[D]. 李锁花.东南大学 2006
[5]基于时间序列相似性的数据挖掘方法研究[D]. 张军.东南大学 2006
[6]时间序列挖掘与预测研究[D]. 韩雪梅.浙江大学 2006



本文编号：3536975