基于工況辨識的風電機組故障預警方法研究.pdf

1、近年來，風力發(fā)電行業(yè)的快速增長導致風力發(fā)電機組故障頻發(fā)，運行維護費用持續(xù)增長。加強對風電機組運行狀態(tài)的有效監(jiān)測、實現(xiàn)風電機組早期故障的預警和診斷對于保障機組安全穩(wěn)定運行、減少維修支出有著重要意義。與此同時，由于大型風電機組運行工況的多變性與復雜性使得機組運行狀態(tài)難以準確評估，基于工況辨識的風電機組在線監(jiān)測已經(jīng)逐漸成為風電發(fā)展中的重要研究方向。本文首先對風電機組運行工況進行分析和辨識，然后以風電機組齒輪箱和滾動軸承為研究對象，從SCADA

2、參數(shù)和振動參數(shù)兩種數(shù)據(jù)來源著手，分別基于多元狀態(tài)估計模型和變分模態(tài)分解方法，研究相對應故障預警模型和故障診斷方法，具體分為以下幾個方面：
　　首先，分析風電機組運行特性，利用風電場SCADA系統(tǒng)數(shù)據(jù)，在進行數(shù)據(jù)分析和預處理后，選擇適當參數(shù)，利用模糊聚類算法，進行風電機組運行子工況的劃分。
　　其次，研究基于多元狀態(tài)估計的風電機組故障預警。對于齒輪箱典型故障進行研究和分析；詳細介紹MSET建模原理，研究MSET建模變量選取問題

3、，通過實際風場數(shù)據(jù)對該模型的性能進行驗證，并通過實驗對比分析得出結論，工況辨識能夠降低異常點誤判斷率從而降低誤報警率。
　　最后，研究基于變分模態(tài)分解的風電機組故障診斷。針對滾動軸承早故障信號微弱難以提取出有效信息的問題，提出基于VMD、AR模型以及奇異值分解的特征提取方法；使用實際風場數(shù)據(jù)的仿真研究中，通過與EMD分解方法進行對比，分析了VMD在抑制模態(tài)混疊方面的優(yōu)越性；針對在對振動信號進行分類時特征向量維數(shù)過高的問題，提出基于