风机齿轮箱特征提取与故障诊断方法研究
发布时间：2021-12-18 16:15
在能源短缺和环境污染问题日益严峻的当今社会,世界各国对清洁能源越来越青睐,风能作为一种清洁能源,也得到了广泛的关注。但风力发电机的工作条件严苛,易发生突变,致使机组设备极易出现各种故障。为此,本文将自适应噪声的完备集合经验模态分解（Complete Ensemble Empirical Mode Decomposition with Adaptive Noise,CEEMDAN）引入到风电机组的齿轮箱故障诊断中,详细研究了基于CEEMDAN的风电机组信号故障特征提取,并提出了一种基于改进粒子群优化支持向量机（Support Vector Machine,SVM）算法的风力发电机组故障诊断模型,实现了对风力发电机组故障的准确识别和诊断。本文的主要研究内容及研究成果如下:（1）介绍了风力发电机的基本结构和发电原理,对风电机组齿轮箱常见的故障类型和故障原因进行了分析,对齿轮箱信号的处理方法进行了介绍,为后续进行风电机组检测与故障诊断奠定了基础。（2）介绍时频分析方法理论,对经验模态分解方法进行了介绍,重点对希尔伯特-黄变换（Hilbert-Huang Transform,HHT）分析方法做了...
【文章来源】：上海电机学院上海市
【文章页数】：82 页
【学位级别】：硕士
【部分图文】：
001-2017年世界风电新增和累计装机容量增长情况
上海电机学院硕士学位论文-2-中国的风电在过去十年里发展迅速。图1-2显示了2008年至2018年中国风电的发展情况。截至2018年底，中国风电装机总容量达到209GW，2017年风电的发电量占全国总用电量的4.8%，超过核能成为中国的第三大电力来源[7-8]。图1-22008-2018年中国风电新增和累计装机容量Fig.1-2China"sannualinstalledcapacityandcumulativeinstalledcapacityofwindpower（2008-2018)表1-12014年-2018年中国海上风电新增和累计装机容量Table1-1China’sannualinstalledcapacityandcumulativeinstalledcapacityofoffshorewindpower（2014-2018）年份/年20142015201620172018新增装机量/万千瓦233659116165累计装机量/万千瓦67104163279444表1-1所示分别为我国2014年到2018年间海上风电新增和累计装机容量，2018年，我国海上风电发展提速，新增装机436台，新增装机容量达到165万千瓦，同比增长42.7%；累计装机达到444万千瓦。1.2选题目的和意义我国对风电行业的发展提供了大力支持。但风力发电机组的工作条件严苛，常常是负载突变、工况难以预测和雨雪极端天气等，在这些极端条件下容易发生各种故障[9-10]，甚至会造成发生灾难性事件。近年来，由风电机组引起的风电场灾难性事故时有发生，例如2017年8月4日，丹麦西部日德兰地区sterild测试中心的一台MHI-Vestas9.5MW海上风电机组样机起火。事故发生后，当地消防队赶
上海电机学院硕士学位论文-3-来救火。由于风机高达222米，难以扑灭，只能放任其自行燃烧。在经过独立调查后，11月，MHI-Vestas公司确认了这起事故的原因，火灾是由该样机变流器模块中的一个故障组件导致的，该组件则是在安装过程中被损坏的。图1-3为该现场的事故照片。图1-3MHI-Vestas9.5MW海上风电机组样机事故照片Fig.1-3MHI-Vestas9.5MWPrototypeOffshoreWindTurbineAccidentPhoto这些风电场发生的重大事故为我们敲响了警钟。风电场运行维护人员应有风电机组的状态监测和故障诊断的相关知识储备。在风力发电机的全生命周期内，可以准确地实时监测其运行状态，利用风电故障诊断技术和采用已开发的风电故障诊断软件对机组的故障进行判断和预测，来制定合理的维修计划，这可以有效地避免发生事故，减少机组损失。据统计，陆上风场运维成本高达总收入的15%～20%，海上风电场甚至高达30%～35%[12-13]。研究表明风电机组的有效状态监测和故障诊断可避免75%的机组事故，能节省25%至75%的维修费用。建立科学合理的风电机组故障诊断与预测机制，可以及时了解风电机组内部部件的运行情况，从而及时采取对策，避免发电机组发生更大的故障，对于改善发电机组的稳定性、延长其使用寿命和降低运行维护成本具有重要意义[14]。
【参考文献】：
期刊论文
[1]一种新的支持向量机核函数评估方法[J]. 杨朝,何明浩,韩俊,蒋莹. 雷达科学与技术. 2017(06)
[2]基于振动信号能量熵的轴承故障诊断[J]. 任玉卿,王海瑞,齐磊,李荣远. 计算机应用与软件. 2017(09)
[3]风力发电机组故障诊断与预测技术研究综述[J]. 金晓航,孙毅,单继宏,吴根勇. 仪器仪表学报. 2017(05)
[4]风力发电频率调节相关技术研究[J]. 张宇. 自动化与仪器仪表. 2017(04)
[5]并网双馈感应风电系统轴系振荡特性[J]. 姚骏,曾欣,李嘉伟. 电工技术学报. 2017(06)
[6]支持向量机的算法及应用综述[J]. 张松兰. 江苏理工学院学报. 2016(02)
[7]海上风电机组运行维护现状研究与展望[J]. 黄玲玲,曹家麟,张开华,符杨,徐涵璐. 中国电机工程学报. 2016(03)
[8]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)
[9]基于EMD-K-HT的风电机组滚动轴承故障特征提取方法研究[J]. 马鲁,陈国初,王海群. 电力学报. 2015(02)
[10]基于最大信噪比的风电机组主轴承的故障特征提取[J]. 赵洪山,邵玲,连莎莎. 可再生能源. 2015(03)
博士论文
[1]油纸绝缘气隙放电产气和能量变化特性及信号能量熵特征研究[D]. 谢波.重庆大学 2016
[2]双馈异步风电机组状态监测与故障诊断系统的研究[D]. 宋磊.华北电力大学 2015
[3]风电机组传动链状态诊断方法研究[D]. 徐强.华北电力大学 2015
硕士论文
[1]基于CEEMDAN和GWO-SVM的电机滚动轴承故障诊断[D]. 卓仁雄.南华大学 2018
[2]风力发电机组齿轮箱故障识别方法的研究[D]. 朱思文.上海电机学院 2018
[3]基于决策树支持向量机的风电机组齿轮箱故障诊断[D]. 李岩.华北电力大学(北京) 2018
[4]SVM中相关参数选择与应用研究[D]. 徐光耀.山东科技大学 2017
[5]大型风电机组故障诊断与状态综合评价方法研究[D]. 杨光.华北电力大学 2017
[6]故障树及振动包络分析在风电机组故障诊断中的应用[D]. 戴煜林.华北电力大学(北京) 2016
[7]风电机组振动监测与故障诊断系统研究[D]. 曹斌.广东工业大学 2014
[8]风力发电机组振动状态监测与故障诊断系统研究[D]. 崔伟.华北电力大学 2014
[9]基于EMD和SVM的滚动轴承故障诊断研究[D]. 许佩佩.中南大学 2013
[10]基于模拟退火的粒子群算法的函数优化研究[D]. 陈国飞.中南大学 2013
本文编号：3542746
【文章来源】：上海电机学院上海市
【文章页数】：82 页
【学位级别】：硕士
【部分图文】：
001-2017年世界风电新增和累计装机容量增长情况
上海电机学院硕士学位论文-2-中国的风电在过去十年里发展迅速。图1-2显示了2008年至2018年中国风电的发展情况。截至2018年底，中国风电装机总容量达到209GW，2017年风电的发电量占全国总用电量的4.8%，超过核能成为中国的第三大电力来源[7-8]。图1-22008-2018年中国风电新增和累计装机容量Fig.1-2China"sannualinstalledcapacityandcumulativeinstalledcapacityofwindpower（2008-2018)表1-12014年-2018年中国海上风电新增和累计装机容量Table1-1China’sannualinstalledcapacityandcumulativeinstalledcapacityofoffshorewindpower（2014-2018）年份/年20142015201620172018新增装机量/万千瓦233659116165累计装机量/万千瓦67104163279444表1-1所示分别为我国2014年到2018年间海上风电新增和累计装机容量，2018年，我国海上风电发展提速，新增装机436台，新增装机容量达到165万千瓦，同比增长42.7%；累计装机达到444万千瓦。1.2选题目的和意义我国对风电行业的发展提供了大力支持。但风力发电机组的工作条件严苛，常常是负载突变、工况难以预测和雨雪极端天气等，在这些极端条件下容易发生各种故障[9-10]，甚至会造成发生灾难性事件。近年来，由风电机组引起的风电场灾难性事故时有发生，例如2017年8月4日，丹麦西部日德兰地区sterild测试中心的一台MHI-Vestas9.5MW海上风电机组样机起火。事故发生后，当地消防队赶
上海电机学院硕士学位论文-3-来救火。由于风机高达222米，难以扑灭，只能放任其自行燃烧。在经过独立调查后，11月，MHI-Vestas公司确认了这起事故的原因，火灾是由该样机变流器模块中的一个故障组件导致的，该组件则是在安装过程中被损坏的。图1-3为该现场的事故照片。图1-3MHI-Vestas9.5MW海上风电机组样机事故照片Fig.1-3MHI-Vestas9.5MWPrototypeOffshoreWindTurbineAccidentPhoto这些风电场发生的重大事故为我们敲响了警钟。风电场运行维护人员应有风电机组的状态监测和故障诊断的相关知识储备。在风力发电机的全生命周期内，可以准确地实时监测其运行状态，利用风电故障诊断技术和采用已开发的风电故障诊断软件对机组的故障进行判断和预测，来制定合理的维修计划，这可以有效地避免发生事故，减少机组损失。据统计，陆上风场运维成本高达总收入的15%～20%，海上风电场甚至高达30%～35%[12-13]。研究表明风电机组的有效状态监测和故障诊断可避免75%的机组事故，能节省25%至75%的维修费用。建立科学合理的风电机组故障诊断与预测机制，可以及时了解风电机组内部部件的运行情况，从而及时采取对策，避免发电机组发生更大的故障，对于改善发电机组的稳定性、延长其使用寿命和降低运行维护成本具有重要意义[14]。
【参考文献】：
期刊论文
[1]一种新的支持向量机核函数评估方法[J]. 杨朝,何明浩,韩俊,蒋莹. 雷达科学与技术. 2017(06)
[2]基于振动信号能量熵的轴承故障诊断[J]. 任玉卿,王海瑞,齐磊,李荣远. 计算机应用与软件. 2017(09)
[3]风力发电机组故障诊断与预测技术研究综述[J]. 金晓航,孙毅,单继宏,吴根勇. 仪器仪表学报. 2017(05)
[4]风力发电频率调节相关技术研究[J]. 张宇. 自动化与仪器仪表. 2017(04)
[5]并网双馈感应风电系统轴系振荡特性[J]. 姚骏,曾欣,李嘉伟. 电工技术学报. 2017(06)
[6]支持向量机的算法及应用综述[J]. 张松兰. 江苏理工学院学报. 2016(02)
[7]海上风电机组运行维护现状研究与展望[J]. 黄玲玲,曹家麟,张开华,符杨,徐涵璐. 中国电机工程学报. 2016(03)
[8]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)
[9]基于EMD-K-HT的风电机组滚动轴承故障特征提取方法研究[J]. 马鲁,陈国初,王海群. 电力学报. 2015(02)
[10]基于最大信噪比的风电机组主轴承的故障特征提取[J]. 赵洪山,邵玲,连莎莎. 可再生能源. 2015(03)
博士论文
[1]油纸绝缘气隙放电产气和能量变化特性及信号能量熵特征研究[D]. 谢波.重庆大学 2016
[2]双馈异步风电机组状态监测与故障诊断系统的研究[D]. 宋磊.华北电力大学 2015
[3]风电机组传动链状态诊断方法研究[D]. 徐强.华北电力大学 2015
硕士论文
[1]基于CEEMDAN和GWO-SVM的电机滚动轴承故障诊断[D]. 卓仁雄.南华大学 2018
[2]风力发电机组齿轮箱故障识别方法的研究[D]. 朱思文.上海电机学院 2018
[3]基于决策树支持向量机的风电机组齿轮箱故障诊断[D]. 李岩.华北电力大学(北京) 2018
[4]SVM中相关参数选择与应用研究[D]. 徐光耀.山东科技大学 2017
[5]大型风电机组故障诊断与状态综合评价方法研究[D]. 杨光.华北电力大学 2017
[6]故障树及振动包络分析在风电机组故障诊断中的应用[D]. 戴煜林.华北电力大学(北京) 2016
[7]风电机组振动监测与故障诊断系统研究[D]. 曹斌.广东工业大学 2014
[8]风力发电机组振动状态监测与故障诊断系统研究[D]. 崔伟.华北电力大学 2014
[9]基于EMD和SVM的滚动轴承故障诊断研究[D]. 许佩佩.中南大学 2013
[10]基于模拟退火的粒子群算法的函数优化研究[D]. 陈国飞.中南大学 2013
本文编号：3542746
本文链接：https://www.wllwen.com/kejilunwen/dianlidianqilunwen/3542746.html
