基于健康样本和趋势预测的风电机组齿轮箱健康状态评估方法的研究

发布时间：2019-11-12 13:04

【摘要】：我国风电行业经历了技术引进、消化吸收、自主创新这三个阶段,目前装机总容量已达世界第一。由于风电机组长期处于恶劣环境,运行状态复杂,以及众多不确定因素导致风场对机组的维护费用居高不下。近年来,机械工程、电气工程、人工智能等学科在风力发电领域的研究与应用,使得我国当代风力发电机组技术得到长足的发展。对机组进行状态监测,能够使问题“早发现早解决”。对于风电机组整个寿命过程中,降低运维成本、提高发电效率是人们追求的目标,状态识别技术的作用日益凸显。有统计表明,齿轮箱故障引起机组停机时间和维护费用远高于其它故障,针对齿轮箱健康状态评估技术已经有过不少研究,但是目前的状态评估方法存在一些不足。首先,由于风电机组齿轮箱故障样本稀少,并没有足够的研究证明不同的风电机组之间齿轮箱运行状态特性相同,对某台机组的研究结果所获得标准值、阈值不能直接用于其他机组;其次,基于当前机组运行数据进行评价不能完全反映机组健康状态,比如在劣化趋势明显而特征值又处于安全水平时,这种状态特性需得到凸显。本文在前人的基础上,提出新的一种基于健康样本和趋势预测的风电机组齿轮箱健康状态评估方法。这种方法具体步骤为:首先采用数据挖掘技术对风电机组海量健康数据样本进行挖掘筛选处理,对机组运行状态多工况多参数进行讨论研究,获得分组数据;然后通过基于遗传算法改进的BP神经网络训练建立健康状态参数模型,将实验值与模型比较获得特征参数残差;最后将残差值运用基于趋势预测的模糊综合评判理论,进行齿轮箱的健康状态评估。这种方法的特点是从大量的风电机组健康状态监测数据中拟合机组多参数健康特征曲面,再结合具有趋势预测的模糊综合评价法,实现对风电机组齿轮箱以及整机的健康状态评价。结果表明该方法有效可行,并且更能敏感的反映机组劣化趋势。
【图文】：

概率密度分布,数据统计方法,概率密度分布,分布函数

2.2 数据统计技术数据统计技术是提取数据特征信息的基本方法，是通过对数据进行统计分析，反应数据的基本情况和基本规律，有利于研究者对数据的深刻理解。基本的数据统计方法有：求取数据的平均值、方差、协方差、极值，以及在时域上的数值变化情况。另一种有效的数据统计方法是概率密度拟合：由概率论基本原理可知当风电数据足够多时可以以其经验分布作为其概率密度分布。本文采用了多种分布函数对风电场 SCADA 数据进行概率密度分布模拟分析。2.2.1 基于参数回归的概率分布函数参数回归模型是基于函数假设得到的，由相应的方法估计参数值进行数据拟合，这样的分布函数具有良好的推广性。在本文所做的研究中，，对正态分布、图 2-1 数据空间分布图

局部图,局部图,华北电力大学,硕士论文

工况分布局部图
【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】：2017
【分类号】：TM315

【参考文献】