基于模型方法的风力发电机组热特性和故障诊断研究
发布时间：2022-08-08 12:12
目前,大型商业化的风力发电机组和风电场通常配有SCADA系统,以记录机组运行数据和相关报警信息,但如何应用SCADA数据对风力发电机组进行在线故障诊断仍是亟待解决的关键问题。针对上述问题,本文开展风力发电机组热特性及故障诊断的相关研究,针对常见的数据驱动方法存在的不足,提出了一种新的基于模型的风力发电机组在线故障诊断方法,并对该方法进行验证,为风力发电机组的热分析和在线监测与故障诊断系统的开发提供可行和有效的技术手段。论文主要研究工作包括:（1）针对双馈异步风力发电机组的非线性动态特性,研究了机组的基本结构和工作原理,推导了机组各部分的数学模型,采用Matlab/Simulink构建了风力发电机组仿真模型,计算了不同风速和控制策略下机组参数的动态变化过程,得到了风速和控制策略对机组动态特性的影响规律。结果表明,所建模型体现了双馈异步风力发电机组的非线性特性和各变量的相互关系。（2）针对风力发电机组的故障诊断问题,提出了基于模型的机组故障诊断方法,从能量转换的角度,基于机组热特性诊断机组故障。研究了风电齿轮箱和发电机的功率损耗机理和传热机制,采用集总参数法和等效热网络法分别构建了齿轮箱和...
【文章页数】：146 页
【学位级别】：博士
【文章目录】：
摘要
Abstract
主要符号表
1 绪论
1.1 论文研究背景及意义
1.2 风力发电机组故障诊断技术
1.2.1 风电齿轮箱和发电机常见故障类型
1.2.2 基于CMS的风力发电机组故障诊断
1.2.3 基于SCADA的风力发电机组故障诊断
1.3 风力发电机组热特性研究
1.3.1 齿轮箱
1.3.2 发电机
1.4 论文研究内容和结构
2 风力发电系统理论模型
2.1 风速
2.1.1 风速的威布尔分布
2.1.2 四分量风速模型
2.2 风轮
2.3 传动系统
2.4 发电机
2.5 机组控制策略
2.6 机组运行特性仿真
2.6.1 风力发电机组运行曲线
2.6.2 恒风速下机组运行特性
2.6.3 变风速下MPPT转速控制的机组特性
2.6.4 变风速下MPPT转矩控制的机组特性
2.7 本章小结
3 风力发电机组齿轮箱热分析
3.1 齿轮箱结构
3.1.1 平行齿轮传动
3.1.2 行星齿轮传动
3.2 齿轮箱功率损耗
3.2.1 齿轮传动的功率损耗
3.2.2 滚动轴承的功率损耗
3.2.3 齿轮箱搅油损耗
3.2.4 其他功率损耗
3.3 齿轮箱热平衡分析
3.3.1 齿轮箱表面散热
3.3.2 润滑、冷却系统散热
3.3.3 齿轮箱部件升温
3.4 齿轮箱效率计算
3.5 润滑油温升计算
3.6 本章小结
4 基于等效热网络方法的风力发电机热分析
4.1 双馈异步风力发电机功率损耗分析
4.2 双馈异步风力发电机等效热网络模型
4.2.1 发电机热模型构建
4.2.2 传热基本理论
4.2.3 肋片热阻
4.2.4 定子热阻
4.2.5 转子热阻
4.2.6 机壳热阻
4.2.7 其他热阻
4.3 双馈异步风力发电机的对流换热系数
4.3.1 机壳
4.3.2 端部空间
4.3.3 气隙
4.4 等效热网络模型求解
4.4.1 热平衡方程组
4.4.2 模型参数及求解
4.4.3 变工况下的风力发电机温度分析
4.5 本章小结
5 风力发电机组故障诊断的仿真研究
5.1 风力发电机组的非线性状态预测
5.1.1 扩展卡尔曼滤波
5.1.2 无迹卡尔曼滤波
5.1.3 EKF和UKF对比
5.2 基于UKF的风力发电机组故障诊断
5.2.1 故障模式的引入
5.2.2 齿轮箱故障诊断
5.2.3 齿轮箱润滑、冷却系统故障诊断
5.2.4 变桨系统故障诊断
5.2.5 发电机冷却系统故障诊断
5.2.6 故障诊断结果对比
5.3 本章小结
6 SCADA系统及数据分析
6.1 SCADA系统介绍
6.2 SCADA数据分析
6.3 基于模型和SCADA数据的风力发电机组故障诊断
6.3.1 齿轮箱故障诊断
6.3.2 发电机冷却系统故障诊断
6.4 本章小结
7 总结与展望
7.1 本文主要工作
7.2 论文创新点
7.3 进一步的研究方向
致谢
参考文献
附录
【参考文献】：
期刊论文
[1]基于EKF和UKF的风电机组非线性状态预测[J]. 曹梦楠,邱颖宁,冯延晖,王浩. 可再生能源. 2017(05)
[2]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)
[3]基于模糊神经网络的智能故障诊断专家系统[J]. 司景萍,马继昌,牛家骅,王二毛. 振动与冲击. 2017(04)
[4]2016年中国风电装机容量统计[J]. 风能. 2017(02)
[5]基于BP神经网络的仿生眼定位追踪算法[J]. 李镇,樊炳辉,王鑫,于连波,王传江,孙石兴. 机器人. 2017(01)
[6]基于PSO-BP神经网络的车牌号码识别技术[J]. 吴志攀,赵跃龙,罗中良,杜华英. 中山大学学报(自然科学版). 2017(01)
[7]基于双重优化的卷积神经网络图像识别算法[J]. 刘万军,梁雪剑,曲海成. 模式识别与人工智能. 2016(09)
[8]高速齿轮箱稳态热分析综述[J]. 葛世祥,刘之镭,吴鲁纪,杨林杰,岗海明. 机械传动. 2016(06)
[9]基于感知深度神经网络的视觉跟踪[J]. 侯志强,戴铂,胡丹,余旺盛,陈晨,范舜奕. 电子与信息学报. 2016(07)
[10]基于稀疏自动编码深度神经网络的感应电动机故障诊断[J]. 孙文珺,邵思羽,严如强. 机械工程学报. 2016(09)
博士论文
[1]基于无监督学习的风电机组传动链智能故障诊断方法研究[D]. 李状.华北电力大学(北京) 2016
[2]大型风力发电机组鲁棒自适应及容错控制[D]. 李丹勇.北京交通大学 2015
[3]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
[4]基于支持向量机的旋转机械故障诊断与预测方法研究[D]. 朱霄珣.华北电力大学 2013
[5]面向风力发电机组齿轮箱滚动轴承故障诊断的理论与方法研究[D]. 郭艳平.浙江大学 2012
[6]非线性滤波在通信与导航中的应用研究[D]. 张鑫明.北京邮电大学 2012
[7]风电机组齿轮传动系统动态特性及故障诊断方法研究[D]. 龙泉.华北电力大学 2012
[8]滤波方法及其在非线性系统故障诊断中的应用研究[D]. 葛哲学.国防科学技术大学 2006
硕士论文
[1]双馈风力发电机运行特性及其热性能分析研究[D]. 张文秀.南京理工大学 2015
[2]风电场SCADA系统图形及组态功能的研究[D]. 吴欣乾.华北电力大学 2013
[3]汽轮发电机环形气隙内流动换热的数值模拟研究[D]. 赵旭峰.华中科技大学 2013
[4]基于数据挖掘的风电机组状态预测及变桨系统异常识别[D]. 李学伟.重庆大学 2012
[5]1.7MW双馈异步风力发电机设计开发[D]. 孙方圆.上海交通大学 2012
[6]基于热网络法的行星减速器热分析[D]. 黄飞.南京航空航天大学 2011
[7]1.5MW风电增速箱箱体结构及热分析[D]. 郭晓明.西安理工大学 2010
本文编号：3671486
【文章页数】：146 页
【学位级别】：博士
【文章目录】：
摘要
Abstract
主要符号表
1 绪论
1.1 论文研究背景及意义
1.2 风力发电机组故障诊断技术
1.2.1 风电齿轮箱和发电机常见故障类型
1.2.2 基于CMS的风力发电机组故障诊断
1.2.3 基于SCADA的风力发电机组故障诊断
1.3 风力发电机组热特性研究
1.3.1 齿轮箱
1.3.2 发电机
1.4 论文研究内容和结构
2 风力发电系统理论模型
2.1 风速
2.1.1 风速的威布尔分布
2.1.2 四分量风速模型
2.2 风轮
2.3 传动系统
2.4 发电机
2.5 机组控制策略
2.6 机组运行特性仿真
2.6.1 风力发电机组运行曲线
2.6.2 恒风速下机组运行特性
2.6.3 变风速下MPPT转速控制的机组特性
2.6.4 变风速下MPPT转矩控制的机组特性
2.7 本章小结
3 风力发电机组齿轮箱热分析
3.1 齿轮箱结构
3.1.1 平行齿轮传动
3.1.2 行星齿轮传动
3.2 齿轮箱功率损耗
3.2.1 齿轮传动的功率损耗
3.2.2 滚动轴承的功率损耗
3.2.3 齿轮箱搅油损耗
3.2.4 其他功率损耗
3.3 齿轮箱热平衡分析
3.3.1 齿轮箱表面散热
3.3.2 润滑、冷却系统散热
3.3.3 齿轮箱部件升温
3.4 齿轮箱效率计算
3.5 润滑油温升计算
3.6 本章小结
4 基于等效热网络方法的风力发电机热分析
4.1 双馈异步风力发电机功率损耗分析
4.2 双馈异步风力发电机等效热网络模型
4.2.1 发电机热模型构建
4.2.2 传热基本理论
4.2.3 肋片热阻
4.2.4 定子热阻
4.2.5 转子热阻
4.2.6 机壳热阻
4.2.7 其他热阻
4.3 双馈异步风力发电机的对流换热系数
4.3.1 机壳
4.3.2 端部空间
4.3.3 气隙
4.4 等效热网络模型求解
4.4.1 热平衡方程组
4.4.2 模型参数及求解
4.4.3 变工况下的风力发电机温度分析
4.5 本章小结
5 风力发电机组故障诊断的仿真研究
5.1 风力发电机组的非线性状态预测
5.1.1 扩展卡尔曼滤波
5.1.2 无迹卡尔曼滤波
5.1.3 EKF和UKF对比
5.2 基于UKF的风力发电机组故障诊断
5.2.1 故障模式的引入
5.2.2 齿轮箱故障诊断
5.2.3 齿轮箱润滑、冷却系统故障诊断
5.2.4 变桨系统故障诊断
5.2.5 发电机冷却系统故障诊断
5.2.6 故障诊断结果对比
5.3 本章小结
6 SCADA系统及数据分析
6.1 SCADA系统介绍
6.2 SCADA数据分析
6.3 基于模型和SCADA数据的风力发电机组故障诊断
6.3.1 齿轮箱故障诊断
6.3.2 发电机冷却系统故障诊断
6.4 本章小结
7 总结与展望
7.1 本文主要工作
7.2 论文创新点
7.3 进一步的研究方向
致谢
参考文献
附录
【参考文献】：
期刊论文
[1]基于EKF和UKF的风电机组非线性状态预测[J]. 曹梦楠,邱颖宁,冯延晖,王浩. 可再生能源. 2017(05)
[2]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)
[3]基于模糊神经网络的智能故障诊断专家系统[J]. 司景萍,马继昌,牛家骅,王二毛. 振动与冲击. 2017(04)
[4]2016年中国风电装机容量统计[J]. 风能. 2017(02)
[5]基于BP神经网络的仿生眼定位追踪算法[J]. 李镇,樊炳辉,王鑫,于连波,王传江,孙石兴. 机器人. 2017(01)
[6]基于PSO-BP神经网络的车牌号码识别技术[J]. 吴志攀,赵跃龙,罗中良,杜华英. 中山大学学报(自然科学版). 2017(01)
[7]基于双重优化的卷积神经网络图像识别算法[J]. 刘万军,梁雪剑,曲海成. 模式识别与人工智能. 2016(09)
[8]高速齿轮箱稳态热分析综述[J]. 葛世祥,刘之镭,吴鲁纪,杨林杰,岗海明. 机械传动. 2016(06)
[9]基于感知深度神经网络的视觉跟踪[J]. 侯志强,戴铂,胡丹,余旺盛,陈晨,范舜奕. 电子与信息学报. 2016(07)
[10]基于稀疏自动编码深度神经网络的感应电动机故障诊断[J]. 孙文珺,邵思羽,严如强. 机械工程学报. 2016(09)
博士论文
[1]基于无监督学习的风电机组传动链智能故障诊断方法研究[D]. 李状.华北电力大学(北京) 2016
[2]大型风力发电机组鲁棒自适应及容错控制[D]. 李丹勇.北京交通大学 2015
[3]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
[4]基于支持向量机的旋转机械故障诊断与预测方法研究[D]. 朱霄珣.华北电力大学 2013
[5]面向风力发电机组齿轮箱滚动轴承故障诊断的理论与方法研究[D]. 郭艳平.浙江大学 2012
[6]非线性滤波在通信与导航中的应用研究[D]. 张鑫明.北京邮电大学 2012
[7]风电机组齿轮传动系统动态特性及故障诊断方法研究[D]. 龙泉.华北电力大学 2012
[8]滤波方法及其在非线性系统故障诊断中的应用研究[D]. 葛哲学.国防科学技术大学 2006
硕士论文
[1]双馈风力发电机运行特性及其热性能分析研究[D]. 张文秀.南京理工大学 2015
[2]风电场SCADA系统图形及组态功能的研究[D]. 吴欣乾.华北电力大学 2013
[3]汽轮发电机环形气隙内流动换热的数值模拟研究[D]. 赵旭峰.华中科技大学 2013
[4]基于数据挖掘的风电机组状态预测及变桨系统异常识别[D]. 李学伟.重庆大学 2012
[5]1.7MW双馈异步风力发电机设计开发[D]. 孙方圆.上海交通大学 2012
[6]基于热网络法的行星减速器热分析[D]. 黄飞.南京航空航天大学 2011
[7]1.5MW风电增速箱箱体结构及热分析[D]. 郭晓明.西安理工大学 2010
本文编号：3671486
本文链接：https://www.wllwen.com/kejilunwen/dianlidianqilunwen/3671486.html
