基于在线序贯极限学习机的风电机组变桨系统异常检测方法
发布时间：2021-07-15 09:49
在当今能源危机以及全球温室效应的影响条件下,传统的火力发电消耗化石资源并且造成一定的环境污染问题。风力发电具有清洁且可再生等特点,在新能源发电领域受到各国的关注。近些年来我国对风电不断加大研究与投入,风电机组的装机容量不断提高。随着各国对于风电机组的装机数量不断提高,维护风电机组的稳定运行,提高风电机组的可靠性,制定安全有效的维护计划显得尤为重要,因而需要对于风电机组的关键部件进行异常检测研究。本文基于风电机组状态采集与监测系统（Supervisory Control And Data Acquisition,SCADA）数据,实现风电机组变桨系统的异常检测研究。该文主要针对以下几部分内容进行研究:1)基于对双馈型风力发电机组的基本构成以及运行原理的掌握,重点阐述和分析双馈型风力发电机组变桨系统的故障形式以及故障原因。进一步对所监测参数的特点进行分析,采用ReliefF算法实现风机变桨系统特征选择。2)考虑变桨系统运行工况复杂,监测变量间具有较强非线性,且SCADA系统的数据信息动态更新等问题,提出基于在线贯序极限学习机建立多参数状态监测模型。针对在线贯序极限学习机的输入权值与偏置一般...
【文章来源】：沈阳工业大学辽宁省
【文章页数】：66 页
【学位级别】：硕士
【部分图文】：
图1.1双馈风电机组各组件故障发生率
第2章风电变桨系统描述及故障分析9合适的风捕获对将风能合理的转化成动能，并对风力发电机的功率输出有合理的控制还配有变桨装置，可以改变风捕获的能力：（1）叶轮：含有风机叶片和轮毂，是风力发电机组重要的能量转换装置，为了可以达到最佳性价比，通常采用三叶结构。（2）主传动系统：是能量传输装置，风能作用于叶片带动叶片转动，叶片的转动通过主轴以及各种加减速箱，将捕获的风能通过转换和传递最终传输至发电机转换为电能。（3）发电系统：风电机组的核心部分，其实现风电机组由机械能到电能的转化，为了测得直驱式发电机组的电机转速，机组配有编码器。为了降温发电机，本文所研究机组配备了水冷系统，另有风冷方式降温。（4）偏航系统：在自然中风向是不可控的，所以需要自动控制装置对风向机型捕获，做出判断并可以命令风机可以朝着风的来向转动这就是所谓的偏航系统，偏航系统有感受风的能力同时可以控制电机的朝向是独立的自动控制系统。（5）控制系统：控制系统是风力发电机的重要装置，是风电机组的主控部分，对风电机组即将做出的各种行为做出控制，对正在面临的采集数据进行处理和应对，其中可以自动调节风能的捕获能力，是否正在迎风接收风能，控制变桨以及偏航系统。（6）塔架：支撑机舱达到所需高度，并承受风机重量。（7）机舱：主要包含机舱罩用于保护风力发电机组内部设备不是外界环境干扰，内部装有各种电机电气设备，重要部件都在其中并被保护。（8）其他：输油管、液压系统、冷却系统等。图2.2变桨距风力发电机组主要组成Fig.2.2Maincomponentsofvariablepitchwindturbine
【参考文献】：
期刊论文
[1]基于非线性状态估计的风电机组振动建模研究[J]. 苏连成,孙伟,董金国. 燕山大学学报. 2018(04)
[2]基于风电机组功率曲线的故障监测方法研究[J]. 梁涛,张迎娟. 可再生能源. 2018(02)
[3]基于小波BP神经网络的风电机组变桨系统故障预测[J]. 肖成,焦智,孙介涛,张磊,宋玉彬,石莹. 可再生能源. 2017(06)
[4]基于FDA贡献图的风电机组变桨系统故障定位[J]. 董兴辉,闫慧丽,张晓亮. 可再生能源. 2017(01)
[5]基于数据挖掘的风电机组变桨系统劣化状态在线辨识方法[J]. 郭慧东,王玮,夏明超. 中国电机工程学报. 2016(09)
[6]大功率并网风电机组状态监测与故障诊断研究综述[J]. 李辉,胡姚刚,李洋,杨东,梁媛媛,欧阳海黎,兰涌森. 电力自动化设备. 2016(01)
[7]基于非线性状态估计的风电机组变桨控制系统故障识别[J]. 尹诗,余忠源,孟凯峰,李闯,王其乐. 中国电机工程学报. 2014(S1)
[8]风机电动变桨系统状态特征参量挖掘及异常识别[J]. 李辉,杨超,李学伟,季海婷,秦星,陈耀君,杨东,唐显虎. 中国电机工程学报. 2014(12)
[9]改进二阶统计量算法在风力机主轴承裂纹识别中的应用[J]. 周勃,孟强,刘欢,陈长征. 振动工程学报. 2013(05)
[10]基于SCADA和支持向量回归的风电机组状态在线评估方法[J]. 梁颖,方瑞明. 电力系统自动化. 2013(14)
博士论文
[1]高维数据的维数约简算法研究[D]. 苏雅茹.中国科学技术大学 2012
[2]基于数据驱动的故障诊断模型及算法研究[D]. 吕宁.哈尔滨理工大学 2009
[3]基于多元统计分析的火电厂控制系统故障诊断研究[D]. 牛征.华北电力大学（河北） 2006
[4]火电厂控制系统故障检测与诊断的研究[D]. 黄孝彬.华北电力大学（河北） 2004
[5]高维数据挖掘中若干关键问题的研究[D]. 杨风召.复旦大学 2003
本文编号：3285474
【文章来源】：沈阳工业大学辽宁省
【文章页数】：66 页
【学位级别】：硕士
【部分图文】：
图1.1双馈风电机组各组件故障发生率
第2章风电变桨系统描述及故障分析9合适的风捕获对将风能合理的转化成动能，并对风力发电机的功率输出有合理的控制还配有变桨装置，可以改变风捕获的能力：（1）叶轮：含有风机叶片和轮毂，是风力发电机组重要的能量转换装置，为了可以达到最佳性价比，通常采用三叶结构。（2）主传动系统：是能量传输装置，风能作用于叶片带动叶片转动，叶片的转动通过主轴以及各种加减速箱，将捕获的风能通过转换和传递最终传输至发电机转换为电能。（3）发电系统：风电机组的核心部分，其实现风电机组由机械能到电能的转化，为了测得直驱式发电机组的电机转速，机组配有编码器。为了降温发电机，本文所研究机组配备了水冷系统，另有风冷方式降温。（4）偏航系统：在自然中风向是不可控的，所以需要自动控制装置对风向机型捕获，做出判断并可以命令风机可以朝着风的来向转动这就是所谓的偏航系统，偏航系统有感受风的能力同时可以控制电机的朝向是独立的自动控制系统。（5）控制系统：控制系统是风力发电机的重要装置，是风电机组的主控部分，对风电机组即将做出的各种行为做出控制，对正在面临的采集数据进行处理和应对，其中可以自动调节风能的捕获能力，是否正在迎风接收风能，控制变桨以及偏航系统。（6）塔架：支撑机舱达到所需高度，并承受风机重量。（7）机舱：主要包含机舱罩用于保护风力发电机组内部设备不是外界环境干扰，内部装有各种电机电气设备，重要部件都在其中并被保护。（8）其他：输油管、液压系统、冷却系统等。图2.2变桨距风力发电机组主要组成Fig.2.2Maincomponentsofvariablepitchwindturbine
【参考文献】：
期刊论文
[1]基于非线性状态估计的风电机组振动建模研究[J]. 苏连成,孙伟,董金国. 燕山大学学报. 2018(04)
[2]基于风电机组功率曲线的故障监测方法研究[J]. 梁涛,张迎娟. 可再生能源. 2018(02)
[3]基于小波BP神经网络的风电机组变桨系统故障预测[J]. 肖成,焦智,孙介涛,张磊,宋玉彬,石莹. 可再生能源. 2017(06)
[4]基于FDA贡献图的风电机组变桨系统故障定位[J]. 董兴辉,闫慧丽,张晓亮. 可再生能源. 2017(01)
[5]基于数据挖掘的风电机组变桨系统劣化状态在线辨识方法[J]. 郭慧东,王玮,夏明超. 中国电机工程学报. 2016(09)
[6]大功率并网风电机组状态监测与故障诊断研究综述[J]. 李辉,胡姚刚,李洋,杨东,梁媛媛,欧阳海黎,兰涌森. 电力自动化设备. 2016(01)
[7]基于非线性状态估计的风电机组变桨控制系统故障识别[J]. 尹诗,余忠源,孟凯峰,李闯,王其乐. 中国电机工程学报. 2014(S1)
[8]风机电动变桨系统状态特征参量挖掘及异常识别[J]. 李辉,杨超,李学伟,季海婷,秦星,陈耀君,杨东,唐显虎. 中国电机工程学报. 2014(12)
[9]改进二阶统计量算法在风力机主轴承裂纹识别中的应用[J]. 周勃,孟强,刘欢,陈长征. 振动工程学报. 2013(05)
[10]基于SCADA和支持向量回归的风电机组状态在线评估方法[J]. 梁颖,方瑞明. 电力系统自动化. 2013(14)
博士论文
[1]高维数据的维数约简算法研究[D]. 苏雅茹.中国科学技术大学 2012
[2]基于数据驱动的故障诊断模型及算法研究[D]. 吕宁.哈尔滨理工大学 2009
[3]基于多元统计分析的火电厂控制系统故障诊断研究[D]. 牛征.华北电力大学（河北） 2006
[4]火电厂控制系统故障检测与诊断的研究[D]. 黄孝彬.华北电力大学（河北） 2004
[5]高维数据挖掘中若干关键问题的研究[D]. 杨风召.复旦大学 2003
本文编号：3285474
本文链接：https://www.wllwen.com/kejilunwen/dianlidianqilunwen/3285474.html
