基于双馈风力发电机组齿轮箱故障诊断研究

发布时间：2020-07-15 10:53

【摘要】：由于我国大力发展新能源,对新能源的研究也开始越来越多。风力发电技术是最近兴起的一种新能源,通过利用清洁能源实现电能的转换,随着风电发展越来越迅速,风电场与电网的联系也变得越来越紧密。风电并网后会引起齿轮箱经常出现故障、投入和运行成本大幅上升等主要问题。人工智能技术是一种采用类似人的智能思维分析研究问题的一门学科,是目前广泛采用的一种智能研究技术。将这种技术应用在风电场并网中,可以处理一些抽象的、非线性的结构化信息,如风电场齿轮箱的故障诊断问题以及故障诊断中涉及的参数调优问题。本文在分析双馈风机并网的同时利用小波包和模糊神经网络对风力发电机组齿轮箱的故障进行了一个初步的分析,然后利用改进粒子群优化模糊C均值聚类算法对风力发电机组群进行故障机组的很好分类,最后针对模糊神经网络的不足,提出基于改进粒子群优化的模糊核聚类算法对风力发电机组齿轮箱的故障进行更加准确的诊断分类。首先对双馈风力发电机组的基本原理和组成结构进行了介绍,并对风力发电机组中常见的故障类型进行简单分析和介绍人工智能技术应用在风力发电机组的故障诊断中。重点对风电场并网后运行中的故障以及高发生率的齿轮箱故障进行了简单的介绍以及主要的分析,利用小波包对齿轮箱特征信号进行提取,结合模糊神经网络对风力发电机组齿轮箱的故障振动信号进行了初步的分析。由于风力发电机组的并网规模越来越大会产生诸如传统检修方案工作量大、效率低下等问题,本文通过采用改进粒子群优化模糊C均值聚类算法对大规模风力发电机组中的故障机组进行准确分类,检查出故障机组,弥补了采用小波包对特征信号先进行提取的缺点,大大减小了风力发电机组工作人员的工作量,提高了检修的效率。模糊神经网络应用到风力发电机组故障诊断中时现有故障诊断方案不能准确判断故障的位置和类型,因此,存在一定的缺陷。所以,本文最后提出采用改进粒子群优化模糊核聚类算法对风力发电机组齿轮箱的故障进行诊断。通过采集实际风力发电机组齿轮箱特征振动信号,对机组进行故障分类,这种风力发电机组齿轮箱故障诊断方法不仅可以准确快速的判断出已知故障,而且在发生未知故障的情况下也可以很好的将故障进行诊断分类。
【学位授予单位】：山西大学
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：TM614
【图文】：

会的统计数据可知，截止 2017 年年底为止，世界累积风力发电装机容量已经达到539581MW，新增装机容量已经达到 52573MW。就 2008 年到 2017 年之间近十年全球风力发电装机容量、新增装机容量的历年统计数据如图 1.1 所示。图 1.1 2008 到 2017 年之间世界风电新增和累计装机容量变化趋势[9]从图 1.1 可以清楚的看到，近十年之间的全球风力发电机组每年都会有所增加，

以及齿轮箱等部件上[24]。其中，最近几十年国内外学者对风力发电机组故障发生的研究发现，不同故障的发生概率是不一样的，也就是说，不同故障在风力发电机组实际运行中出现的次数有高有低，经过统计这些常见故障部件发生的比例如图 1.2 所示。

图 1.3 风力发电机组常见齿轮箱结构就齿轮箱发生的故障进行统计，有发生在齿轮上的，也有发生在轴上或者轴承上的，这些部位发生故障的次数也不尽相同，所以针对齿轮箱的各个部件发生的故障进行统计，其统计结果如图 1.4 所示。

【相似文献】

相关期刊论文 前10条

1 李伟;;风力发电机组接入系统的几个问题[J];新疆电力技术;2008年01期

2 刘越;;风力发电机组定期维护管理[J];湖北水利水电职业技术学院学报;2019年03期

3 赵建辉;;风力发电机组控制技术的研究[J];科技风;2019年03期

4 韩俊峰;;风力发电机组试验平台研究[J];农村牧区机械化;2018年06期

5 胡兴;;浅析风力发电机组定期维护管理[J];科技创新导报;2019年10期

6 范红星;;浅析风力发电机组定期维护管理[J];山东工业技术;2018年03期

7 李楠;;论风力发电机组防雷性能改善的内容和方法[J];居舍;2018年02期

8 王文刚;;3MW风力发电机组生产工艺浅析[J];电脑迷;2018年06期

9 赵萍;杨军;肖加余;曾竟成;李晓光;;风力发电机组传动链振动特性研究及试验[J];太阳能学报;2016年08期

10 刘明先;;风力发电机组振动监测技术应用与实践[J];应用能源技术;2016年11期

相关会议论文 前10条

1 邢波;;论风力发电机组“免人工维护”的几种实施措施[A];第四届中国风电后市场专题研讨会论文集[C];2017年

2 刘艳飞;;安全站位可视化在风力发电机组内的应用[A];第四届中国风电后市场专题研讨会论文集[C];2017年

3 李俊一;薛鹏;朱晓非;王铭;张东升;于文鹏;宋海滨;;光纤光栅技术在风力发电机组叶片检测中的应用[A];风能产业（2017年第6期 总第95期）[C];2017年

4 高俊云;连晋华;;风力发电机组塔筒振动的分析与测量[A];第二十三届全国振动与噪声控制学术会议论文集[C];2010年

5 尹冉;方涛;白洛林;;风力发电机组除湿方法探讨[A];《风能产业》（2015年第12期）[C];2015年

6 王军;;风力发电机组电气控制的几点探讨[A];科技与企业——企业科技创新与管理学术研讨会论文集（下）[C];2016年

7 李清义;刘峰;程学文;;风力发电机组超速故障分析[A];风能产业（2016年第7期 总第84期）[C];2016年

8 庄严;纪国瑞;王峰;;风力发电机组的防雷与接地工艺设计(上)[A];中国农机工业协会风能设备分会《风能产业》（2013年第1期）[C];2013年

9 吴寿清;;30千瓦风力发电机组在微网项目中的应用[A];中国农机工业协会风能设备分会《中小型风能设备与应用》（2013年第1期）[C];2013年

10 庄严;纪国瑞;王峰;;风力发电机组的防雷与接地工艺设计(下)[A];中国农机工业协会风能设备分会《风能产业》（2013年第2期）[C];2013年

相关重要报纸文章 前10条

1 记者 李锦;38座风力发电机组彻底退出罗山自然保护区[N];宁夏日报;2018年

2 于晓明 记者 韩丽平;东北首个大型风电产业装备基地首台风力发电机组下线[N];黑龙江日报;2019年

3 通讯员 张登会;首台风力发电机组并网发电[N];池州日报;2018年

4 记者 张青梅 通讯员 曹克顺;太重集团喜获大赛唯一金奖[N];科学导报;2016年

5 记者 朱先妮;中国中车上半年订单金额同比倍增[N];上海证券报;2017年

6 徐大军;风力发电机组防火有了坚实技术支撑[N];人民公安报·消防周刊;2015年

7 宗连;中国风力发电机组逾千台[N];中国电力报;2004年

8 通讯员 狄伟;新型高效风力发电机组项目落户高新区[N];莱芜日报;2010年

9 记者 苏嵘;西安金风首批风力发电机组下线[N];陕西日报;2010年

10 记者 杨娜;西安金风首批风力发电机组下线[N];中国电力报;2010年

相关博士学位论文 前10条

1 刘展;MW级变速变桨风力发电机组系统振动故障诊断技术与减振降载方法研究[D];北京交通大学;2019年

2 陶世祺;海上风力发电机组雷电瞬态研究[D];北京交通大学;2019年

3 韩兵;大型风力发电机组功率及载荷优化控制方法与技术研究[D];湖南大学;2018年

4 刘增光;600kW液压蓄能式风力发电机组设计与控制研究[D];兰州理工大学;2018年

5 曹梦楠;基于模型方法的风力发电机组热特性和故障诊断研究[D];南京理工大学;2018年

6 张志春;双馈风力发电机组运行可靠性建模及若干相关问题研究[D];天津大学;2017年

7 张新房;大型风力发电机组的智能控制研究[D];华北电力大学（北京）;2005年

8 金鑫;风力发电机组系统建模与仿真研究[D];重庆大学;2007年

9 谢洪放;漂浮式海上风力发电机组载荷控制研究[D];沈阳工业大学;2017年

10 卢YmtD;风力发电机组动力模型及循环变桨控制策略研究[D];沈阳工业大学;2012年

相关硕士学位论文 前10条

1 徐晓越;风力发电机组功率特性测试系统的设计与实现[D];内蒙古工业大学;2019年

2 石慧;基于双馈风力发电机组齿轮箱故障诊断研究[D];山西大学;2019年

3 李慧勇;不同类型不同容量的风力发电机组电气部分故障诊断研究[D];山西大学;2019年

4 杨永昌;考虑关键部位载荷的风力发电机组一次调频控制策略研究[D];华北电力大学(北京);2019年

5 张圆;兆瓦级风力发电机组的故障诊断研究[D];北方工业大学;2019年

6 杜杨超;5MW风力发电机组控制系统的设计与实现[D];大连理工大学;2018年

7 蔡军;风力发电机组智能故障诊断系统的研究与实现[D];浙江工业大学;2019年

8 彭广辉;兆瓦级风力发电机组偏航系统设计研究与优化[D];天津大学;2018年

9 高庆康;风力发电机组行星齿轮箱故障的定子电流诊断方法研究[D];哈尔滨理工大学;2019年

10 王旭东;面向智慧风场的运维管理关键技术研究[D];浙江大学;2019年

本文编号：2756395