大型風電機組狀態(tài)監(jiān)測與智能故障診斷系統研究.pdf

1、風力發(fā)電近年來在全球發(fā)展十分迅猛,總裝機容量連年刷新紀錄。在全球風電大發(fā)展的同時,產生了一系列亟待解決的問題。由于風電機組長期工作在條件惡劣的環(huán)境中,氣溫變化大,風沙、風速、載荷變化隨機、不確定等因素導致機組各部件故障頻發(fā),加之機組分布分散,難以及時有效的發(fā)現故障,并且發(fā)生故障時,維護和檢修困難,停機時間長,嚴重影響了風電的經濟性。因此,開展風電機組的狀態(tài)監(jiān)控與故障診斷研究,對于提高風電運營的可靠性、安全性和經濟性有著重大且長遠的現實意

2、義。
　　本文從風力發(fā)電機組狀態(tài)監(jiān)測的現場實際需求出發(fā),通過對山西某集團公司的3MW風力發(fā)電機組進行實際調研,針對風機傳動系統的主要故障類型和特點,自主設計研發(fā)了風電機組傳動系統故障模擬實驗臺。在實驗臺的硬件基礎條件上,創(chuàng)新故障診斷方法,針對風電機組傳動系統的故障振動信號所具有的非平穩(wěn)、非線性以及復雜的調制成分的特點,提出了消除了頻帶錯亂缺陷、分解更精細、分辨率更佳的改進型節(jié)點重構小波包算法結合包絡譜的故障診斷新方法。針對風電機組

3、傳動系統的早期故障振動信號的時變微弱性以及故障與征兆的非線性映射導致的故障識別困難問題提出了改進型的節(jié)點重構小波包聯合PNN(概率神經網絡)的故障診斷新方法。通過采用實驗臺的實際數據對提出的兩種故障診斷新方法進行驗證,證實了方法的可行性和準確性,為今后更加深入進行風電機組的狀態(tài)監(jiān)測和故障診斷研究提供了有利的工具和技術支持。
　　本文還完成了風電機組狀態(tài)監(jiān)測系統的傳感器的選型、監(jiān)測點的確定以及系統的研究設計工作和現場的測試工作。參與