面向状态监测和故障诊断的风力发电模拟技术及其应用研究

发布时间：2020-09-11 20:58

　　作为对风电机组进行监视、分析的重要手段,状态监测和故障诊断技术旨在及早发现风力发电设备的故障隐患,实现对机组的预防性维修,避免灾难性事故发生。然而在实际过程中,故障诊断研究仍然面临诸多挑战:1)自然风具有较强的不确定性,且风电齿轮箱的现场环境恶劣,难以对风电齿轮箱的运行工况进行有效且可控的复现;2)全功率试验台对试验空间和成本有较大的限制,而在实验室环境下,则要求工况模拟装置具有与原型风机特性相似、结构紧凑、易于控制等特点;3)风电齿轮箱的运行工况复杂,提取得到的振动信号特征易受到工况变化的影响,无法真实反映被监测部件的健康状况。因此,如何抑制风电齿轮箱工况的干扰,实现其特征信号的有效提取,一直是状态监测和故障诊断研究中亟待解决的难题。针对上述问题,本学位论文在国家自然科学基金项目“基于产品试验台数据的风电齿轮箱故障识别与诊断技术方法研究”(项目编号:51275453)的资助下,以变转速变负载工况运行的双馈异步风力发电过程为研究背景,将面向状态监测和故障诊断方法研究的风电模拟试验装置作为研究对象,结合相似准则设计了以交流感应异步电机为驱动源的试验平台;采用能量回馈式电封闭系统技术,提升了风力模拟试验装置的运行效率,降低了试验成本,实现了系统运动过程的闭环控制;分析了风剪切效应和塔影效应的等效风速模型,以及在该模型作用下的风机动力学特性;研究了变工况下风电齿轮箱高速轴轴承的振动信号特征,提出了基于变分模态分解的能量特征熵值分析方法,抑制了变转速变负载工况的干扰,从而实现对轴承健康状态系数的有效估计;在此基础上,采用多信息融合的支持向量机分类方法,在真实工况下对轴承磨损状态进行辨识分析,验证了所提方法的可行性。论文的研究内容分为七章:第一章叙述了课题的研究背景和意义,对于风力发电模拟技术、故障诊断相关研究方法及其应用现状进行综述,指出了其中的相关不足和存在的一些主要问题,明确了论文的研究方向。第二章给出了相似准则下模拟系统的基本特性,设计了应用于实验室环境下的风力发电模拟系统,为状态监测和故障诊断方法的研究提供验证的环境。然后搭建了以交流异步电机作为系统驱动、负载源的电封闭试验装置,设计了风力发电模拟试验平台的控制以及数据采集系统。第三章在风力发电模拟试验平台的基础上,采用共直流母线技术实现系统的闭环控制。通过最小二乘递推法对三相交流异步电机的参数进行辨识,然后对三相整流模块进行分析,采用电流前馈控制实现直流母线电压的无静差跟踪。在直流母线的负载输出侧,将带三相感应异步电机负载的逆变单元等效变换,采用卡尔曼滤波观测器对负载端电流进行前馈补偿,并测试了试验装置的转速转矩跟踪特性。第四章以双馈异步风力发电过程为研究背景,在风力发电模拟试验平台上实现了风电齿轮箱真实工况的模拟控制。结合随机函数描述与概率密度函数的相关理论,给出具有实际物理意义的随机风速模型。针对风轮旋转过程中气流的分布特性,对风剪切效应、塔影效应进行建模分析,并给出了修正的等效风速模型。在此基础上建立了风力发电机的空气动力学模型,分析了风机在不同风速下各个区间段的控制特性,并通过实验对风力发电模拟系统的动力学特性进行验证和分析。第五章针对风电齿轮箱振动信号特征易受到工况变化干扰的问题,提出了基于变分模态分解(VMD)的能量特征熵值分析方法。结合小波包分解能量特征法和信息熵理论,通过抑制变转速变负载工况的干扰,实现对风电齿轮箱高速轴轴承健康状态系数的估计。以风电齿轮箱高速平行轴的圆锥滚子轴承作为实验对象,研究在变工况运行条件下轴承的外圈磨损状况,并对比频域特征以及小波包Renyi熵的分析结果,验证变工况运行条件下VMD-Renyi熵值估计方法的有效性。第六章在变分模态分解能量特征熵的基础上,开展了多信息融合的智能诊断方法研究。通过对轴承振动信号进行数据预处理、样本特征选取、数据归一化、分类参数优化等步骤,构建了基于VMD-Renyi熵的支持向量机(SVM)多类分类器,并对风电齿轮箱高速轴轴承的健康状态进行识别。然后选取无量纲时域特征、小波包能量特征、VMD能量特征的SVM分类器作为参照,采用混淆矩阵、ROC曲线、样本空间映射集合的方法对其分类性能进行对比分析,验证了多信息融合SVM分类器的可行性和有效性。最后采用改良的二次网格搜索法对分类器的径向基核参数进行优化,进一步提升了分类器的推广泛化能力。第七章对全文工作进行了总结,并对未来工作进行了展望。
【学位单位】：浙江大学
【学位级别】：博士
【学位年份】：2018
【中图分类】：TM614

【相似文献】