基于k近邻与规则挖掘的风电机组故障诊断研究
发布时间：2021-02-04 11:05
发展低碳经济、开发和利用可再生能源,已成为全球能源战略与可持续发展的核心问题。凭借技术手段成熟、商业化程度高、开发规模大等优势,风力发电已成为全球增长速度最快的绿色能源。在风电装机容量的急速增加的同时,也带来了产能过剩以及逐渐凸显的质量问题。在风电机组运行环境恶劣,优质风资源的逐渐减少,风电行业偏向“重制造,轻管理”的现状下,风电机组关键部件故障频频发生,对机组的运行效益甚至电网的安全运行造成了严重影响。本文针对上述背景现状,运用数据挖掘技术,开展基于数据驱动的风电机组故障诊断方法研究,以解决风电机组部分组件的运行状态特征挖掘、异常状态检测、故障识别与故障概率分析等问题,为风电机组故障诊断系统的研发提供理论基础。本论文具体研究工作如下:（1）针对风电机组监测信号之间存在耦合性与动态相关性的问题,提出了基于互信息的风电机组动态特征挖掘方法。通过即时特征与延时特征构造增广特征矩阵,根据特征之间的互信息累计度量建立风电机组监测信号的动态特征矩阵,将动态特征矩阵中的特征参量作为风电机组组件故障检测模型的输入。通过对比不同特征处理方式对风电机组故障检测性能的影响,验证所提特征挖掘方法的有效性。该...
【文章来源】：沈阳工业大学辽宁省
【文章页数】：130 页
【学位级别】：博士
【部分图文】：
风电机组可利用率调查Fig.1.3Surveyontheavailabilityofwindturbines风电机组故障频发造成巨额损失，已引起了国内外学者和工程技术人员的极大关
沈阳工业大学博士学位论文182.3FAST风电机组仿真模型2.3.15MW海上风电机组模型近些年，5MW已成为风电机组的主流级别，本课题仿真机型将参考美国国家能源实验室（Nationalrenewableenergylaboratory，NREL）的5MW海上风电机组中的参数。NREL在MultibridM5000与Repower5M两种机型的风电机组基础上，结合DOWEC，WindPACT以及RECOFF[86,87]项目里提出的概念模型，最终获得的机型参数。NREL-5MW海上风电机组和漂浮式的平台结构如图2.1所示，表2.1为对风电机组参数的统计。考虑仿真过程不支持对预先弯曲模拟，因此通过2.5°逆风方向的预锥角进行模拟。在表2.1中不计叶片锥角对风轮直径的影响，此外，叶片锥角也会减小风轮的直径与扫掠的面积。图2.1NREL-5MW风电机组与浮式平台结构Fig.2.1NREL-5MWwindturbineandthestructureoffloatingplatform2.3.2数据描述在2002年，美国国家可再生能源实验室开发了FAST（Fatigue,Aerodynamics,Structures,andTurbulence，FAST）[88]风电机组模拟程序，其具备模拟海上风力机运行情况的能力。FAST模型选用的风电机组及其浮式基础的自由度包括叶片的挥舞和摆振运动、转子的转动、传动轴的扭矩、机舱或者转子的偏航、塔架的一阶的模态屈曲运动以及平台的六个自由度的运动，最多可以达到24个。与GHBladed相比较，FAST能够提供较多的自由度，而且在建立传统风力机机型时，FAST可以更为方便地建立动
沈阳工业大学博士学位论文262.4GW77-1.5MW风力发电机变桨系统描述2.4.1风电机组结构与参数由金风公司研发的GW77-1.5MW直驱永磁风力发电机组由三段塔筒、机舱、发电机、轮毂和三个叶片组成，其整体部件图如图2.5所示，详细风电机组参数如表2.6所示[97]。1.叶片2.变桨系统3.轮毂4.发电机转子5.发电机定子6.偏航系统7.测风系统8.辅助提升机9.顶舱控制柜10.底座11.塔架图2.5金风GW77-1.5MW风电机组整体部件图Fig.2.5IntegralcomponentdiagramsofgoldwindGW77-1.5MWwindturbine表2.6GW77-1.5MW风电机组参数Tab.2.6ParametersofGW77-1.5MWwindturbine风电机组指标参数额定功率(Pn)1.5MW风轮方向及配置逆风式，3叶片叶轮直径76.84m扫风面积4637.3m3轮毂高度65m切入、额定、切出风速3m/s，11.5m/s，22m/s额定转速17.3r/min极大风速59.5m/s运行温度范围-30°C至40°C机组生存温度-40°C至50°C设计使用寿命20年2.4.2电动变桨系统描述风电机组各组件故障频发，对风电机组故障诊断的研究重点，逐渐从主轴承和齿
【参考文献】：
期刊论文
[1]考虑故障相关性的风电机组维修策略[J]. 逯红霞,张蕊萍,董海鹰. 可再生能源. 2020(04)
[2]基于数据分类重建的风电机组故障预警方法[J]. 刘帅,刘长良,甄成刚. 仪器仪表学报. 2019(08)
[3]风电机组变工况变桨系统异常状态在线识别[J]. 王爽心,郭婷婷,李蒙. 中国电机工程学报. 2019(17)
[4]基于状态曲线的风电机组运行工况异常检测[J]. 孙群丽,刘长良,周瑛. 热力发电. 2019(07)
[5]基于Pareto折中解的风电装机规划多目标优化方法[J]. 赵传,戴朝华,周彤昕,袁爽,陈维荣,廖国栋. 太阳能学报. 2019(06)
[6]A New Method of Wind Turbine Bearing Fault Diagnosis Based on Multi-Masking Empirical Mode Decomposition and Fuzzy C-Means Clustering[J]. Yongtao Hu,Shuqing Zhang,Anqi Jiang,Liguo Zhang,Wanlu Jiang,Junfeng Li. Chinese Journal of Mechanical Engineering. 2019(03)
[7]基于动态特征矩阵的k近邻风电机组故障检测方法[J]. 钱小毅,张宇献. 仪器仪表学报. 2019(06)
[8]基于最佳叶尖速比的风电机组静态偏航误差分析及检测方法[J]. 许佳妮,高峰. 电力科学与工程. 2019(05)
[9]基于数据驱动的风电机组状态评估方法研究[J]. 孙培旺,张磊,肖成,郭莹莹. 可再生能源. 2019(03)
[10]我国风能资源评估的主要问题及原因分析[J]. 李小兵,王潇. 风能. 2019(01)
博士论文
[1]基于模糊规则的知识发现与表示研究[D]. 王显昌.大连理工大学 2015
[2]基于免疫算法的风电系统故障诊断技术研究[D]. 吴洪兵.南京航空航天大学 2014
硕士论文
[1]基于人工智能算法的风电机组故障诊断研究[D]. 安永灿.长春工业大学 2019
[2]基于随机森林和XGBoost的大型风力机故障诊断方法研究[D]. 钱力扬.浙江大学 2018
[3]基于改进EEMD的风电机组行星齿轮箱故障诊断研究[D]. 周文磊.上海电力学院 2017
[4]风电机组典型故障维修决策[D]. 王瑞.华北电力大学(北京) 2016
[5]基于可解释变异性的主元选取方法[D]. 郭家豪.华北电力大学(北京) 2016
[6]风力发电机状态监测与故障诊断系统的研究与实现[D]. 童国炜.华北电力大学 2015
[7]基于数据统计分析的变桨系统故障预警方法[D]. 钟阳.华北电力大学 2015
[8]风力发电机的整机故障诊断[D]. 杨静懿.东华大学 2014
[9]基于FAST软件的大型风力发电机组系统建模与控制研究[D]. 熊海洋.重庆大学 2014
[10]基于解析模型的风力发电机组鲁棒故障诊断方法研究[D]. 孙岩.中南大学 2013
本文编号：3018203
【文章来源】：沈阳工业大学辽宁省
【文章页数】：130 页
【学位级别】：博士
【部分图文】：
风电机组可利用率调查Fig.1.3Surveyontheavailabilityofwindturbines风电机组故障频发造成巨额损失，已引起了国内外学者和工程技术人员的极大关
沈阳工业大学博士学位论文182.3FAST风电机组仿真模型2.3.15MW海上风电机组模型近些年，5MW已成为风电机组的主流级别，本课题仿真机型将参考美国国家能源实验室（Nationalrenewableenergylaboratory，NREL）的5MW海上风电机组中的参数。NREL在MultibridM5000与Repower5M两种机型的风电机组基础上，结合DOWEC，WindPACT以及RECOFF[86,87]项目里提出的概念模型，最终获得的机型参数。NREL-5MW海上风电机组和漂浮式的平台结构如图2.1所示，表2.1为对风电机组参数的统计。考虑仿真过程不支持对预先弯曲模拟，因此通过2.5°逆风方向的预锥角进行模拟。在表2.1中不计叶片锥角对风轮直径的影响，此外，叶片锥角也会减小风轮的直径与扫掠的面积。图2.1NREL-5MW风电机组与浮式平台结构Fig.2.1NREL-5MWwindturbineandthestructureoffloatingplatform2.3.2数据描述在2002年，美国国家可再生能源实验室开发了FAST（Fatigue,Aerodynamics,Structures,andTurbulence，FAST）[88]风电机组模拟程序，其具备模拟海上风力机运行情况的能力。FAST模型选用的风电机组及其浮式基础的自由度包括叶片的挥舞和摆振运动、转子的转动、传动轴的扭矩、机舱或者转子的偏航、塔架的一阶的模态屈曲运动以及平台的六个自由度的运动，最多可以达到24个。与GHBladed相比较，FAST能够提供较多的自由度，而且在建立传统风力机机型时，FAST可以更为方便地建立动
沈阳工业大学博士学位论文262.4GW77-1.5MW风力发电机变桨系统描述2.4.1风电机组结构与参数由金风公司研发的GW77-1.5MW直驱永磁风力发电机组由三段塔筒、机舱、发电机、轮毂和三个叶片组成，其整体部件图如图2.5所示，详细风电机组参数如表2.6所示[97]。1.叶片2.变桨系统3.轮毂4.发电机转子5.发电机定子6.偏航系统7.测风系统8.辅助提升机9.顶舱控制柜10.底座11.塔架图2.5金风GW77-1.5MW风电机组整体部件图Fig.2.5IntegralcomponentdiagramsofgoldwindGW77-1.5MWwindturbine表2.6GW77-1.5MW风电机组参数Tab.2.6ParametersofGW77-1.5MWwindturbine风电机组指标参数额定功率(Pn)1.5MW风轮方向及配置逆风式，3叶片叶轮直径76.84m扫风面积4637.3m3轮毂高度65m切入、额定、切出风速3m/s，11.5m/s，22m/s额定转速17.3r/min极大风速59.5m/s运行温度范围-30°C至40°C机组生存温度-40°C至50°C设计使用寿命20年2.4.2电动变桨系统描述风电机组各组件故障频发，对风电机组故障诊断的研究重点，逐渐从主轴承和齿
【参考文献】：
期刊论文
[1]考虑故障相关性的风电机组维修策略[J]. 逯红霞,张蕊萍,董海鹰. 可再生能源. 2020(04)
[2]基于数据分类重建的风电机组故障预警方法[J]. 刘帅,刘长良,甄成刚. 仪器仪表学报. 2019(08)
[3]风电机组变工况变桨系统异常状态在线识别[J]. 王爽心,郭婷婷,李蒙. 中国电机工程学报. 2019(17)
[4]基于状态曲线的风电机组运行工况异常检测[J]. 孙群丽,刘长良,周瑛. 热力发电. 2019(07)
[5]基于Pareto折中解的风电装机规划多目标优化方法[J]. 赵传,戴朝华,周彤昕,袁爽,陈维荣,廖国栋. 太阳能学报. 2019(06)
[6]A New Method of Wind Turbine Bearing Fault Diagnosis Based on Multi-Masking Empirical Mode Decomposition and Fuzzy C-Means Clustering[J]. Yongtao Hu,Shuqing Zhang,Anqi Jiang,Liguo Zhang,Wanlu Jiang,Junfeng Li. Chinese Journal of Mechanical Engineering. 2019(03)
[7]基于动态特征矩阵的k近邻风电机组故障检测方法[J]. 钱小毅,张宇献. 仪器仪表学报. 2019(06)
[8]基于最佳叶尖速比的风电机组静态偏航误差分析及检测方法[J]. 许佳妮,高峰. 电力科学与工程. 2019(05)
[9]基于数据驱动的风电机组状态评估方法研究[J]. 孙培旺,张磊,肖成,郭莹莹. 可再生能源. 2019(03)
[10]我国风能资源评估的主要问题及原因分析[J]. 李小兵,王潇. 风能. 2019(01)
博士论文
[1]基于模糊规则的知识发现与表示研究[D]. 王显昌.大连理工大学 2015
[2]基于免疫算法的风电系统故障诊断技术研究[D]. 吴洪兵.南京航空航天大学 2014
硕士论文
[1]基于人工智能算法的风电机组故障诊断研究[D]. 安永灿.长春工业大学 2019
[2]基于随机森林和XGBoost的大型风力机故障诊断方法研究[D]. 钱力扬.浙江大学 2018
[3]基于改进EEMD的风电机组行星齿轮箱故障诊断研究[D]. 周文磊.上海电力学院 2017
[4]风电机组典型故障维修决策[D]. 王瑞.华北电力大学(北京) 2016
[5]基于可解释变异性的主元选取方法[D]. 郭家豪.华北电力大学(北京) 2016
[6]风力发电机状态监测与故障诊断系统的研究与实现[D]. 童国炜.华北电力大学 2015
[7]基于数据统计分析的变桨系统故障预警方法[D]. 钟阳.华北电力大学 2015
[8]风力发电机的整机故障诊断[D]. 杨静懿.东华大学 2014
[9]基于FAST软件的大型风力发电机组系统建模与控制研究[D]. 熊海洋.重庆大学 2014
[10]基于解析模型的风力发电机组鲁棒故障诊断方法研究[D]. 孙岩.中南大学 2013
本文编号：3018203
本文链接：https://www.wllwen.com/kejilunwen/dianlidianqilunwen/3018203.html
