基于电流信号稀疏滤波的风电齿轮箱故障诊断

发布时间：2021-09-07 02:46

　　齿轮箱是风电机组传动系统的重要机械部件,其运行状态直接影响着整个机组的工作状态和效率。齿轮箱长期在恶劣的环境工作,极易发生故障。齿轮箱的故障将不可避免地导致不必要的停机和严重的经济损失。因此,对齿轮箱进行及时准确的故障诊断对于确保风电机组的安全可靠运行至关重要。目前,风电齿轮箱的故障诊断主要以振动信号分析为主,但振动信号极易被环境噪声所污染,且传感器的安装增加了系统成本。与振动信号相比,电流信号具有非侵入、监测成本低、稳定性高等优点。然而,电流信号基频分量大,信噪比低,所包含的故障信息极易被基频及谐波分量调制所淹没,给故障特征提取带来了困难。本文以风电齿轮箱为研究对象,基于无监督学习的最新成果——稀疏滤波,研究一系列的方法用于电流信号的特征学习,实现齿轮箱的高精度分类诊断。本文的主要研究内容如下:（1）系统梳理风电齿轮箱常见故障类型及故障原因,对基于电流信号的齿轮箱故障检测基本原理进行详细分析,并总结得出齿轮箱不同健康状况下电流信号的表现特征。（2）为从电流信号中挖掘出具有丰富故障信息的特征,提出了基于稀疏滤波特征融合的故障诊断方法。首先,设计基于稀疏滤波的局部特征学习网络,用于从原始... 

【文章来源】：燕山大学河北省

【文章页数】：72 页

【学位级别】：硕士

【部分图文】：

001~2018年全球新增及累计风电装机容量在中国，风力发电正朝着引领电力生产的方向飞速发展

燕山大学工学硕士学位论文-2-家能源局发布的《风电发展“十三五”规划》明确指出了我国风电发展目标[2]：到2020年底，风电累计并网装机容量确保达到2.1亿千瓦以上，其中海上风电并网装机容量达到500万千瓦以上；风电年发电量确保达到4200亿千瓦时，约占全国总发电量的6%。届时，风能将成为名副其实的主体能源。在国家的大力引导和支持下，我国风电产业发展迅猛。据中国风能协会(ChineseWindEnergyAssociation,CWEA)统计[3]，2018年全国风电新增装机容量21.1GW，同比增长7.5%；截至2018年底，全国风电累计装机12.4万台，累计装机容量209.5GW，同比增加11.2%，保持稳定增长趋势。作为世界第一风电大国，我国累计装机容量和年新增装机容量均位列世界第一。图1-2为2001~2018年间中国风电装机容量统计。图1-22001~2018年中国新增及累计风电装机容量然而，随着风电机组装机规模的持续增长，风电设备在可靠性、成本效益、部件寿命和发电安全等方面面临的挑战不断显现。风电机组结构复杂，风况的随机性和不可控性使其运行状态频繁切换；同时由于安装在海岛、荒野、高山等风口处，常年受酷暑严寒、风力冲击和极端温差的影响，使得风电机组故障频发[4]。为了应对风力发电面临的重大挑战，国内外学者们对机组的状态监测和预防性维护展开了深入研究，以降低风电机组的运行成本和停机时间，避免重大事故的发生。近十年来，风电机组的故障逐渐减少，但从降低运行维护成本的角度考虑，风电机组的故障仍然是一个亟待解决的重要问题[5]。

第1章绪论-3-图1-3风电机组的结构风电机组由叶片、轮毂、齿轮箱、发电机、偏航系统、控制系统和电气系统等部分组成[6]，如图1-3所示。风电机组中任何部件都可能发生故障，严重时会导致停机或其他部件损坏。根据文献[7]提供的瑞典某风电场2001-2004年的机组故障数据，风电机组不同部件的故障发生率及停机时间占比如图1-4所示。从图1-4中我们能看到，在风电机组的运行期间，大部分部件都容易发生故障，其中电气系统、传感器、叶片、控制系统、齿轮箱的故障发生率较高。此外，与其他部件相比，齿轮箱故障导致的机组停机时间最长。图1-4瑞典某风场风电机组各部件故障发生率及停机时间占比图


本文编号：3388690