基于大数据分析的风电机组健康状态的智能评估及诊断

发布时间：2017-10-09 07:06

  本文关键词：基于大数据分析的风电机组健康状态的智能评估及诊断

  更多相关文章： 风电机组 相关性分析 健康状态评估 故障诊断

【摘要】：人类所生活的环境随着社会的不断发展而日趋恶劣,风力发电作为清洁可再生能源之一,能很好的缓解使用化石能源所带来的污染,达到可持续发展的目的,因此得到快速发展。由于风场建设地区偏远,运行维护困难,使得风电机组运行可靠性越来越受到关注。目前风电场仍然采用事后检修、周期性维护的传统检修方式,其运行维护成本高。如果能通过监测数据判断当下风电机组处在怎样的运行状态,我们就能够根据运行状态对机组的健康衰退趋势进行预判,发现可能出现或已经出现的故障点,合理的安排检修和维护,对于提高风力发电机组的运行可靠性,保证机组上网发电率,降低故障事后维修的费用具有重要的意义。论文首先总结了风电机组常见的故障及其分类、目前风电机组故障诊断的国内外研究现状,对目前主要的诊断方法进行分析对比。随后,提出了利用机组出力相关性信息判断风电机组运行健康状态的方法,能在不增加传感器和测点的情况下,提高判别机组非健康状态或故障状态的准确性;给出了将风电机组出力相关性分析与模糊故障Petri网相结合的风电机组运行性能和诊断故障方法。其次,运用风电机组出力特性的大数据分析得出风电机组健康状态评价参照标准,建立评估系统。采用模糊层次综合评判方法对机组进行运行健康状态评估,为合理安排维护计划提供依据,以减少风电机组严重故障的发生频率,提高运行可靠性。最后经实际风电场运行数据仿真验证了所提出方法的可行性。
【关键词】：风电机组 相关性分析 健康状态评估 故障诊断
【学位授予单位】：东华大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TM315
【目录】：

• 摘要4-6
• ABSTRACT6-10
• 第一章 绪论10-16
• 1.1 研究背景及研究意义10-11
• 1.2 风电机组故障诊断技术的国内外研究现状11-14
• 1.3 论文研究内容14-16
• 第二章 风电机组子系统常见故障分类及常用故障诊断方法16-34
• 引言16
• 2.1 风力发电机组的结构及各系统故障分析16-29
• 2.2 风电机组智能故障诊断技术分类比较29-32
• 2.3 风电机组故障诊断算法选择32-33
• 2.4 本章小结33-34
• 第三章 风场中风电机组出力相关性统计分析34-41
• 引言34
• 3.1 相关性原理34-35
• 3.2 风电机组出力互相关性统计分析35-37
• 3.3 风电机组出力自相关与风速自相关性统计分析37-39
• 3.4 相关性系数判别风电机组运行状态标准39-40
• 3.5 本章小结40-41
• 第四章 模糊故障Petri网在风电机组故障诊断中的应用41-51
• 引言41
• 4.1 模糊故障Petri网定义41-42
• 4.2 模糊故障Petri网产生规则42-44
• 4.3 模糊故障Petri网推理方法44-46
• 4.4 风电机组故障诊断的模糊故障Petri网模型46-50
• 4.5 本章小结50-51
• 第五章 基于大数据分析的风电机组健康运行状态评价51-62
• 引言51
• 5.1 设备健康状态管理系统框架及设备健康状态退化特性51-55
• 5.2 基于大数据分析的风电机组健康运行状态评判55
• 5.3 基于大数据分析的风电机组健康运行状态评判指标55-58
• 5.4 基于大数据分析的风电机组健康运行状态决策算法58-61
• 5.5 本章小结61-62
• 第六章 风电机组的故障及健康运行状态判别算例62-67
• 6.1 风电机组运行数据及算例条件62-63
• 6.2 算例一：风电机组故障诊断63-64
• 6.3 算例二：风电机组健康状态评判64-66
• 6.4 本章小结66-67
• 第七章 总结与展望67-69
• 7.1 总结67
• 7.2 展望67-69
• 参考文献69-75
• 攻读硕士学位期间参加的项目和发表的论文75-76
• 1 攻读硕士学位期间参加的项目75
• 2 攻读硕士学位期间发表的论文75
• 3 攻读硕士学位期间已获受理的发明专利75-76
• 致谢76

【参考文献】

中国期刊全文数据库 前10条

1 ;2015年中国风电装机容量统计[J];风能;2016年02期

2 江道灼;谷泓杰;尹瑞;陈可;梁一桥;王玉芬;;海上直流风电场研究现状及发展前景[J];电网技术;2015年09期

3 吴巍;汪可友;李国杰;王志林;;基于Pair Copula的多维风电功率相关性分析及建模[J];电力系统自动化;2015年16期

4 黄科元;刘静佳;黄守道;易韵岚;周李泽;;永磁直驱系统变流器开路故障诊断方法[J];电工技术学报;2015年16期

5 安利强;孙少华;周邢银;;发电机故障时海上风电机组动态特性分析[J];动力工程学报;2014年11期

6 王志强;王志华;张秀云;王旭龙;周海松;李小鹏;;非线性状态估计法在风电齿轮箱故障预警中的应用[J];计算机测量与控制;2014年08期

7 唐志伟;李国杰;孙旭日;汪宁渤;王建东;;风电功率相关性分析[J];电工电能新技术;2014年05期

8 李辉;杨超;李学伟;季海婷;秦星;陈耀君;杨东;唐显虎;;风机电动变桨系统状态特征参量挖掘及异常识别[J];中国电机工程学报;2014年12期

9 杭俊;张建忠;程明;朱瑛;张邦富;;直驱永磁同步风电机组叶轮不平衡和绕组不对称的故障诊断[J];中国电机工程学报;2014年09期

10 季峰;蔡兴国;王俊;;基于混合Copula函数的风电功率相关性分析[J];电力系统自动化;2014年02期

中国重要会议论文全文数据库 前1条

1 邹荣贵;蒋东翔;黄乾;洪良友;;风力发电机组常见故障机理分析[A];第八届全国转子动力学学术讨论会论文集[C];2008年

中国博士学位论文全文数据库 前1条

1 韩振南;齿轮传动系统的故障诊断方法的研究[D];太原理工大学;2003年

中国硕士学位论文全文数据库 前4条

1 邓炳杰;面向不同寿命阶段的机电设备健康状态评价研究[D];重庆大学;2014年

2 杨静懿;风力发电机的整机故障诊断[D];东华大学;2014年

3 张兴科;风电机组传动系统检修策略研究[D];华北电力大学;2014年

4 李学伟;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];重庆大学;2012年

，

本文编号：998793