風(fēng)電機(jī)組狀態(tài)監(jiān)測與故障預(yù)測方法研究.pdf

1、隨著科學(xué)技術(shù)的發(fā)展，發(fā)電行業(yè)發(fā)生了巨大變化，發(fā)電模式也隨之發(fā)生改變，已經(jīng)由傳統(tǒng)的火電向核電、風(fēng)電、水電及太陽能發(fā)電延伸。風(fēng)電的發(fā)展勢頭是喜人的，但是隨之而來的是風(fēng)機(jī)的穩(wěn)定運(yùn)行和設(shè)備狀態(tài)監(jiān)測檢修的問題。因?yàn)轱L(fēng)電場大多建在環(huán)境惡劣的邊遠(yuǎn)地帶，溫差大、風(fēng)速不穩(wěn)定等很多因素會(huì)導(dǎo)致機(jī)組的故障率特別高，尤其是當(dāng)故障發(fā)生在齒輪箱、發(fā)電機(jī)等一些大部件上時(shí)，由于處理難度大、時(shí)間長，所以會(huì)損失很多的電量。另外，由于風(fēng)電的特殊性，不能像火電或水電等能夠便利的

2、進(jìn)行設(shè)備巡檢，因此如何通過其他方式實(shí)現(xiàn)風(fēng)機(jī)設(shè)備狀態(tài)的實(shí)時(shí)動(dòng)態(tài)監(jiān)測和故障預(yù)警就顯得尤為重要。
　　本文首先對某風(fēng)電公司所建設(shè)的風(fēng)電場進(jìn)行全面的調(diào)研工作，統(tǒng)計(jì)風(fēng)機(jī)故障數(shù)據(jù)，分析風(fēng)機(jī)故障發(fā)生情況；對從風(fēng)電場的SCADA(Supervisory Control and Data Acquisition)系統(tǒng)中采集到的風(fēng)機(jī)數(shù)據(jù)進(jìn)行分析和數(shù)據(jù)處理，然后分別采用多變量狀態(tài)估計(jì)(Multivariate State Estimation Tech

3、nique,MSET)方法和神經(jīng)網(wǎng)絡(luò)方法進(jìn)行建模和故障預(yù)警研究。
　　MSET方法是利用設(shè)備正常工作狀態(tài)時(shí)的數(shù)據(jù)構(gòu)成過程記憶矩陣，然后通過建模得到齒輪箱軸承溫度的估計(jì)值，計(jì)算出估計(jì)值與實(shí)際值之間的殘差，選擇合適的滑動(dòng)窗口，就會(huì)得到滑動(dòng)窗口殘差均值曲線，通過實(shí)時(shí)監(jiān)測均值曲線的變化趨勢，就可以判斷齒輪箱軸承溫度的變化是否異常。如果殘差均值曲線超過閾值，系統(tǒng)就會(huì)預(yù)警。
　　小波BP神經(jīng)網(wǎng)絡(luò)的時(shí)間序列方法是對齒輪箱軸承溫度進(jìn)行監(jiān)測和

4、估計(jì)，當(dāng)齒輪箱工作正常時(shí)，小波BP神經(jīng)網(wǎng)絡(luò)模型能夠很好的覆蓋設(shè)備正常運(yùn)行的所有狀態(tài)，此時(shí)模型的估計(jì)精度很高。當(dāng)齒輪箱工作異常時(shí)，它的動(dòng)態(tài)特性就會(huì)發(fā)生改變，與它相關(guān)的輸入層的幾個(gè)變量之間的關(guān)系發(fā)生異常，偏離正常工作狀態(tài)空間，此時(shí)的齒輪箱軸承溫度的預(yù)測殘差增大并且殘差分布和正常工作狀態(tài)時(shí)會(huì)有顯著的區(qū)別，從而達(dá)到預(yù)警目的。
　　通過對MSET方法和小波BP神經(jīng)網(wǎng)絡(luò)方法的驗(yàn)證和分析，發(fā)現(xiàn)MSET方法訓(xùn)練過程簡單，物理意義較明確，預(yù)警精度也