风力发电机远程监控及其健康预测系统的开发

发布时间：2022-10-22 18:22

　　随着不可再生能源的逐渐匮乏和环境污染问题的日益加剧,风能等可再生清洁能源受到全球各个国家和地区政府的青睐和大力支持。风力发电机结构较复杂,且长期连续地工作在自然条件较恶劣的陆地和海上,容易发生故障。如果不能及时地发现问题,容易使小故障逐渐发展成重大事故,造成不可挽回的损失。因此,如何利用智能检测手段及时发现风力发电机的潜在故障,并通过实时远程监控系统及时预警是目前风电行业正在研究的重要课题。本文对风力发电机的常见故障进行了分析,从不同的方向提出了两种故障诊断的方法,设计实现了基于B/S模式的风力发电机远程监控及健康预测系统。本文的主要研究内容包括以下几个方面:（1）根据风力发电机的结构特点,对重要部件的故障原因进行了分析。（2）根据风力发电机在不同健康状态下关键部位的振动信号具有规律性,提出了一种基于振动信号处理的故障诊断方法。对关键部位的振动信号,采用CEEMDAN方法分解得到一系列IMF分量,结合豪斯多夫距离和互相关系数选取有用的IMF分量组成一矩阵,对此矩阵进行奇异值分解,选较大的几个奇异值,归一化处理后作为一组状态特征值。采用极限学习机算法对各种状态的特征值进行了分类训练和预测... 

【文章页数】：93 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
第1章 绪论
    1.1 课题研究背景及研究意义
        1.1.1 课题研究背景
        1.1.2 课题研究意义
    1.2 风电远程监控与健康预测国内外研究现状
        1.2.1 风电监控系统研究现状
        1.2.2 故障诊断与健康预测技术研究现状
    1.3 论文主要研究内容及章节安排
        1.3.1 主要研究内容
        1.3.2 章节安排
    1.4 本章小结
第2章 风力发电机基本结构及常见故障分析
    2.1 风力发电机基本结构
    2.2 风力发电机常见故障分析
        2.2.1 齿轮箱
        2.2.2 发电机
        2.2.3 风轮
        2.2.4 变桨系统
        2.2.5 偏航系统
        2.2.6 液压系统
    2.3 本章小结
第3章 基于非平稳信号特征值的故障诊断与预测方法
    3.1 振动信号分析常用方法
        3.1.1 时域分析
        3.1.2 频域分析
        3.1.3 时频域分析
    3.2 基于豪斯多夫距离和互相关系数的降噪方法
        3.2.1 豪斯多夫距离
        3.2.2 互相关系数准则
        3.2.3 基于豪斯多夫距离和互相关系数的降噪算法
    3.3 基于奇异值分解的非平稳信号特征值提取方法
    3.4 基于极限学习机的故障诊断与预测方法
        3.4.1 极限学习机
        3.4.2 故障诊断与预测
    3.5 本章小结
第4章 基于故障率与故障症的设备故障诊断方法
    4.1 零部件故障率曲线定量化建模
        4.1.1 威布尔分布的线性回归
        4.1.2 两重威布尔分布模型的建立
        4.1.3 两重威布尔分布模型的参数估计
        4.1.4 时间拐点的确定
        4.1.5 零部件故障率向量的确定
    4.2 基于症状的模糊故障诊断模型
        4.2.1 模糊故障诊断的总体思路
        4.2.2 模糊故障症状向量的确定
        4.2.3 模糊评判矩阵的确定
        4.2.4 基于症状的模糊故障诊断结果
    4.3 设备故障综合诊断方法
    4.4 实例分析
        4.4.1 故障的定性分析
        4.4.2 计算相关零部件故障率
        4.4.3 从故障症状推测故障向量
        4.4.4 模糊综合评判
    4.5 本章小结
第5章 风力发电机远程监控系统的实现
    5.1 系统的总体设计
        5.1.1 传感器系统设计
        5.1.2 数据传输方式选取
        5.1.3 B/S与 C/S架构对比
        5.1.4 数据库的设计
    5.2 系统开发工具的选择
    5.3 监控系统具体功能实现
        5.3.1 登录、注册模块
        5.3.2 用户权限管理模块
        5.3.3 监控系统首页
        5.3.4 单一风电场监控模块
        5.3.5 单台风力发电机监控模块
        5.3.6 润滑系统监控模块
        5.3.7 故障诊断与预测模块
        5.3.8 报表绘制
    5.4 本章小结
总结与展望
参考文献
攻读硕士学位期间所发表的学术成果及参与的科研项目
致谢


【参考文献】：
期刊论文
[1]大型风力发电机组系统的结构与特点[J]. 叶启明.  华中电力. 2002(02)
[2]基于Hausdorff距离的手势识别[J]. 张良国,吴江琴,高文,姚鸿勋.  中国图象图形学报. 2002(11)
[3]基于模糊理论的设备故障方法的研究[J]. 齐继阳.  机械与电子. 2007(05)
[4]欧洲海上风电的发展[J]. 黄东风.  能源工程. 2008(02)
[5]风力发电及其技术发展综述[J]. 李军军,吴政球,谭勋琼,陈波.  电力建设. 2011(08)
[6]变压器Weibull寿命建模参数估计方法的比较（英文）[J]. 周丹,李成榕,王忠东.  高电压技术. 2013(05)
[7]2030年全球风电装机将达2000GW[J].   玻璃钢/复合材料. 2014(11)
[8]基于经验模态分解及独立成分分析的微震信号降噪方法[J]. 贾瑞生,赵同彬,孙红梅,闫相宏.  地球物理学报. 2015(03)
[9]基于清洁度熵的液压系统故障源排序方法[J]. 张根保,彭露,柳剑,李冬英.  中国机械工程. 2014(10)
[10]三参数威布尔分布的蒙特卡洛点估计方法[J]. 南东雷,贾志新,李威.  机械设计与制造. 2017(01)

博士论文
[1]大型旋转机械振动信号分析与早期故障辨识方法研究[D]. 党建.西安理工大学 2018
[2]MW级风力发电机组关键部件振动分析与故障诊断方法研究[D]. 曲弋.沈阳工业大学 2012

硕士论文
[1]基于振动信号降噪与分解的轴承故障诊断研究[D]. 黄阳.西安理工大学 2018
[2]基于ELM的风力发电机组齿轮箱故障诊断研究[D]. 杨露.上海电机学院 2018
[3]风力发电机传动系统振动监测与故障诊断系统研究[D]. 郭梅.浙江大学 2017
[4]基于B/S结构的分布式风电监控系统与故障诊断[D]. 肖东裕.广西大学 2016
[5]基于B/S模式的大型海上风电机组监测平台研发[D]. 苏玲霞.电子科技大学 2015
[6]风电场远程环境监控系统设计与实现[D]. 韩东.电子科技大学 2014
[7]基于GPRS无线网络的风电机组远程监控系统的研究[D]. 毕猛.沈阳工业大学 2011
[8]基于B/S模式的风力发电机远程状态监测系统研究与开发[D]. 张积坚.大连理工大学 2009



本文编号：3696627