数据驱动的风电机组部件故障预警

发布时间：2020-11-04 14:06

　　随着风力发电技术的大力发展,风电机组的单机容量越来越大,设备维护和故障预警成为保证风电机组正常运行,降低企业运营成本的关键问题。由于风电机组复杂的机电结构,各部件之间存在强相关性,导致风电机组部件之间存在连锁反应和相互影响,增加了风电机组部件故障预警的难度。现有的风电机组部件故障预警方法存在预警时间过短,预警精度较低的问题,使得风电业主来不及备件和优化维护计划。本文针对以上问题,基于风电机组 SCADA(Supervisory Control And Data Acquisition采集的数据,研究风电机组部件故障预警方法,重点解决现有方法故障预警时间与预警精度的矛盾,在一定程度上弥补了目前已有的风电机组部件故障预警的不足。湖南省自然科学基金项目(2015JJ5027)和北斗开放实验室微小课题:基于风电场大数据的故障诊断与预警系统研究与应用(KH03114)资助。本文主要研究内容如下:(1)提出了基于神经网络与马氏距离的风电机组部件故障预警方案。阐述了风电机组故障预警的重要性和意义,并通过对国内外研究现状和关键技术的了解,得出风电机组部件故障预警方案。(2)实现了风电机组部件故障预警。使用数据预处理、异常数据滤除方法对SCADA数据进行处理,并基于逐步回归算法选取相关故障特征参数,选择GA-BP神经网络,建立风电机组部件预测模型,并基于该模型结合马氏距离算法确定风电机组部件故障判据,实现风电机组故障预警。(3)进行了直驱式风电机组主轴承温度故障预警实例仿真。采用本文方案对2MW直驱式风机主轴承进行故障预警仿真实验,实验结果表明:使用该方法能够提前2个月识别主轴承故障信号,能有效赢得备件和维护计划优化时间,同时也能剔除SCADA系统误报,降低维护量,从而降低风电场维护成本。
【学位单位】：湘潭大学
【学位级别】：硕士
【学位年份】：2018
【中图分类】：TM614
【部分图文】：

装机容量

部件发生故障。而对风电机组部件进行故障预警则可提前发现隐患，有利于优化维护，避免因部件故障延误而导致更加严重的整机故障［１］。??研究背景及意义??随着世界经济的不断发展，一切事物的变换都离不开电力能源。世界各地对于清洁的呼声越来越高，目前全球只有２２％的电力能源是由可再生能源生产的，其余的７８％使用化石燃料、天然气和煤炭等生产的ｍ。大量使用非可再生能源导致了全球大范围室效应、部分地区的土地沙漠化等环境问题。随着风电产业技术不断成熟、成本逐渐Ｉ以及各国的政策支持，风电产业越来越受到各国的关注，风电投资热情高涨，各个国风电产业出现井喷式增长。２０１７年市场新增装机超过５０ＧＷ，其中欧洲、印度和海上装机实现创纪录突破［２１。中国风电增速放缓，根据初步统计中国实现１９．５ＧＷ装机，而的减速被其他市场的增长弥补［３］。全球市场２０１７年新增装机５２．５７３ＭＷ，累计装机容到５３９．５８１ＭＷ［４］。全球风电机组２００１－２０１７年全球年新增装机容量如图１－１所示，??０１－２０１７年全球累计装机容量如图１－２所示，全球风电机组累计装机容量排名如图１－３［５］。??

风电机组,故障,常见故障,逐步回归算法

１．４论文内容结构及创新??１．４．１内容结才勾??根据上述分析，确立本论文内容的主体结构如图１－５所示。??第１章绪论。以世界大力发展风电产业为背景，针对风电机组的故障预警方法进行了??研究，阐述了风电机组故障预警的重要性与意义，并通过分析分析国内外现状和关键技术，??提出本文技术路线，确定本文内容结构与特色创新。??第２章风电机组运行特性与常见故障。首先结合风电机组数学模型概述了风电机组的??工作原理，，其次明确了风电机组主要部件常见故障及故障原理。??第３章设计了风电机组部件故障预警方案。首先进行针对ＳＣＡＤＡ数据的复杂性与随??机性进行了数据预处理和数据归一化；并基于逐步回归算法给出了故障特征相关参数的选??７??

结构图,风电机组,结构图