双馈式风电机组发电机故障分析与诊断研究

发布时间：2017-11-07 03:01

  本文关键词：双馈式风电机组发电机故障分析与诊断研究

  更多相关文章： 双馈异步发电机 角域重采样 故障诊断 神经网络

【摘要】：我国风资源分布集中于西部地区与东南沿海,风电场通常建在昼夜温差大、风况波动剧烈、湿润的环境中,故障形式多样且高发。并且机组结构紧凑,集成度高,一旦发生故障往往要更换整套设备。再加上这些地区往往比较偏远,各台风机之间也相隔较远,因此将产生巨额的维修费用,造成巨大的经济损失。风电机组的故障预警和诊断成为越来越多厂商的研究重点。通过在风电机组的各个系统及部件上安装不同形式的测点,实现对各个设备和部件运行状态的实时监测,能够提前或者及时判断出双馈异步风力发电机的运行参数异常,并依此为根据进行故障的分析和诊断,最终确定机组产生的故障,制定相应的维修措施与顺序,指导维修和测试工作。根据双馈式风电机组的特性,本文提出了一套针对发电机的故障预警和诊断的流程。以华锐SL1500发电机为对象,分析它的结构特点和功能实现过程,结合现场实际故障情况确定典型的故障模式。包括转子不平衡、转子不对中、轴承局部故障、定子绕组匝间短路、转子绕组匝间短路。对各个故障进行最基础的机理分析,包括其产生,发展流程到最终产生的各级影响和维修措施,建立完整的知识库。针对风电机组变工况的特性,采用阶比重采样方法将非平稳的振动信号转化为平稳的角域信号,同时使信号具有整周期性。利用无量纲因子对早期故障敏感的特性,将其运用于发电机的机械故障,提出故障早期预警方法。但是风电场环境复杂,突发状况多,在故障中后期无量纲因子效果差且参数单一准确性不高。因此同时采用适用于双馈异步电机的神经网络故障诊断流程,输入的故障参数分为振动、电气和秒级SCADA数据三类。利用阶比重采样得到振动阶比谱,可以准确快速提取故障特征阶比的幅值。对于秒级SCADA参数,根据风速和环境来共同划分工况,在不同工况中利用其高斯分布特性分别划定参数的正常区间,同时计算一段时间内的异常率的作为输入来减小误报的几率。在风电机组双馈异步发电机中电流信号故障特征频率成分随着转差率不断变化,因此采用小波包提取特征频率变化的频带,计算其有效值作为输入。结合神经网络方法对三类输入参数进行训练并实现故障的综合诊断。识别出故障后,合理的调整运行方式和安排维修措施。最终将整套方法流程化并开发了“风电场设备状态监测与管理系统”,在现场成功安装并进行调试,将理论付诸实际,并根据现场情况不断对算法进行改进。
【学位授予单位】：华北电力大学(北京)
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TM315

【相似文献】

中国硕士学位论文全文数据库 前1条

1 郭鼎;双馈式风电机组发电机故障分析与诊断研究[D];华北电力大学(北京);2016年

，

本文编号：1150532