【摘要】：海上風機屬于多設備多功能的大型系統(tǒng),設備結(jié)構(gòu)復雜,導致失效模式多,在運行工作中需承受多種海洋環(huán)境載荷,風機故障率高,一旦發(fā)生事故,不但停機損失嚴重,還會造成海洋環(huán)境污染等其它惡劣影響;同時,海上風機具有吊裝船費用高,風浪等環(huán)境條件下船只可及性差,故障停運時間長等問題,導致其維護成本極高。故障預測技術可以預測系統(tǒng)健康狀態(tài)發(fā)展趨勢,為維護提供決策,從而提高設備的可靠性和利用率,減少風機停機損失;視情預防性維修方法有助于對海上風電系統(tǒng)制定維護計劃,將海上風機的傳統(tǒng)被動維修轉(zhuǎn)化為主動維護。故障預測與視情預防性維修是裝備和系統(tǒng)實現(xiàn)自主保障的關鍵技術,然而在海上風電系統(tǒng)領域仍需要進行方法改進以提高海上風機可靠性,并降低整體維護成本。因此,本文針對海上風電系統(tǒng)的故障預測和維修方法兩方面問題進行研究,依據(jù)研究對象從結(jié)構(gòu)損傷識別預測、系統(tǒng)視情維護方法研究、到海上風電場的綜合維護策略應用的遞進關系,對海上風力發(fā)電行業(yè)中的主要運行和維護問題進行分析。主要研究內(nèi)容如下:(1)由于塔筒結(jié)構(gòu)為海上風電系統(tǒng)的基礎結(jié)構(gòu),一旦發(fā)生損傷會有整個風機傾覆的風險,本文提出了基于神經(jīng)網(wǎng)絡分步識別的海上風機塔筒結(jié)構(gòu)損傷預測方法研究。首先進行6組完好結(jié)構(gòu)、不同位置、不同損傷程度的塔筒損傷實驗,使用有限元分析軟件Abaqus對其進行模態(tài)計算,用完好結(jié)構(gòu)的塔筒實驗模型實測數(shù)據(jù)對有限元模型進行修正,并和其它塔筒模型的損傷工況進行對比。使用Abaqus軟件生成更多損傷工況數(shù)組,用以訓練神經(jīng)網(wǎng)絡預測模型,并將廣義神經(jīng)網(wǎng)絡和遺傳算法改進的BP神經(jīng)網(wǎng)絡方法分步應用于海上風電系統(tǒng)的設備損傷位置判斷和損傷程度預測當中,其中廣義神經(jīng)網(wǎng)絡減少了 BP網(wǎng)絡參數(shù)設置的不確定性,遺傳算法改進的BP神經(jīng)網(wǎng)絡有效地解決傳統(tǒng)BP網(wǎng)絡易陷入局部最小值的問題,進而提高網(wǎng)絡預測精度。訓練結(jié)果表明,該分步預測方法可以有效地降低網(wǎng)絡復雜性,大大減少了網(wǎng)絡的訓練樣本,提高了樁腿損傷預測精度,同時節(jié)約訓練時間。(2)基于風機主要設備的實際運行健康狀態(tài)和不同設備維修之間的經(jīng)濟相關性,本文提出了一種優(yōu)化海上風機維護費用的視情維修方法,即狀態(tài)-機會維修方法,通過利用人工智能神經(jīng)網(wǎng)絡(ANN)以及狀態(tài)監(jiān)測信息預測海上風機設備的壽命百分比,根據(jù)部件的預測失效時間分布計算條件失效概率值,用于表示風機設備的劣化程度。本文所提出的狀態(tài)-機會維護策略由兩階失效概率閾值確定,其值可通過單位運行時間內(nèi)平均維修費用最小的方法優(yōu)化得到,從而最大限度地減少長期維護費用。結(jié)果表明,狀態(tài)-機會維修策略可以綜合考慮風機設備的歷史失效數(shù)據(jù)和實際運行狀態(tài),比基于固定時間的預防維修方法更節(jié)約維護成本,從而驗證了該方法的有效性;并且通過陸上風機和海上風機的維護費用的比較,證明了對海上風電系統(tǒng)實施狀態(tài)-機會維護方法的必要性。(3)海上風電系統(tǒng)設備維護時受天氣影響,可達性差且失效后果嚴重,因此需對海上風電場進行綜合維護優(yōu)化策略研究,考慮設備不完全維修情況和天氣環(huán)境可及性給海上風機維修帶來的影響。本文提出了海上風電場的機會成組維修模型,同時考慮了系統(tǒng)與系統(tǒng)、設備與設備之間的維修相關性及停機損失等問題,進而達到各系統(tǒng)、各設備之間的維修活動相互協(xié)調(diào)。本文以大豐田海上風電場維護費用為計算算例,結(jié)果顯示該方法可以提高風電系統(tǒng)總可用度,降低總維修費用,優(yōu)化過程中也考慮了實際工程中修復程度的不確定性對系統(tǒng)狀態(tài)的影響;同時,考慮天氣可及性不但更符合實際海上維護工程,還可以適當租賃和調(diào)度船只,從而降低海上風電場固定維護費用,算理結(jié)果表明了該模型的實際性與優(yōu)越性,可實現(xiàn)海上風電場維護活動的長期動態(tài)優(yōu)化,并為大豐田海上風電場實際維護工作提供指導建議思路。
【學位授予單位】：哈爾濱工程大學
【學位級別】：博士
【學位授予年份】：2018
【分類號】：TM614
【圖文】：

測工作的疏忽及損傷預測方法的不精準，海上風電系統(tǒng)損傷破壞事故在不斷發(fā)生，不但逡逑造成大量的財產(chǎn)損失，同時還引發(fā)了海洋環(huán)境的破壞。２０１５年１１月，丹麥Ｓａｍｓｏ島附逡逑近的ＰａｋｉｄａｎｓＦｌａｋ海上風場的一臺２．３ＭＷ西門子海上風機出現(xiàn)垮塌事故（圖１．１），機逡逑組葉片和機艙均落入海中，該事故造成整個海上風場的關停檢修，造成了巨大的經(jīng)濟損逡逑失，因此，風電機組的狀態(tài)監(jiān)測和故障預測方法在這種情況下就具有重要意義，研宄如逡逑何采用精確和高效的故障預測技術，進而采取合適的維護措施可以防止災害的發(fā)生，提逡逑高設備的可靠性和利用率，減少停機損失，已成為海上風電行業(yè)亟待解決的問題［１９］［２Ｇ］。逡逑此外，與陸上風電不同，海上風電系統(tǒng)的維護工作面臨著更多問題及挑戰(zhàn)：海上風逡逑電場施工和維護受天氣、海洋、地質(zhì)等環(huán)境的影響很大，若機艙中的主要重大設備如輪逡逑轂、發(fā)電機、齒輪箱等發(fā)生故障，在惡劣海洋環(huán)境下采用大型浮吊費時費力，并伴有高逡逑額的吊裝船費用及嚴重的吊裝風險［２１＿２３］；同時

哈爾濱工程大學博士學位論文逡逑性和經(jīng)濟性；同時，依據(jù)研究對象從結(jié)構(gòu)損傷識別預測（第２－３章）、系統(tǒng)視情維護方逡逑法研宄（第４章）、到海上風電場的綜合維護策略應用（第５章）的遞進關系，如圖１．２，逡逑對海上風力發(fā)電行業(yè)中的主要運行和維護問題進行分析。逡逑研究內(nèi)容逡逑風機塔筒基于分步識別的神邐海上風電系統(tǒng)視情維修優(yōu)海上風電場宇、合維護優(yōu)逡逑經(jīng)網(wǎng)絡損傷預測方法研究邐化方法研究化策略研究逡逑邐Ｉ邐逡逑結(jié)構(gòu)，．設備系統(tǒng)邐風電場逡逑、邐一，、＿邋＿，逡逑圖１．２論文研究主線逡逑Ｆｉｇ．邋１．２邋Ｍａｉｎ邋ｌｉｎｅ邋ｏｆ邋ｔｈｅｓｉｓ邋ｒｅｓｅａｒｃｈ逡逑本論文的具體研宄內(nèi)容劃分為以下４章：逡逑第２章首先針對海上風電系統(tǒng)結(jié)構(gòu)和設備失效模式多且失效關系復雜這一特征，概逡逑述了振動方法的損傷識別基本原理和常見的人工智能神經(jīng)網(wǎng)絡損傷預測模型，提出了基逡逑于神經(jīng)網(wǎng)絡分步識別的損傷預測研宄方法，并詳細介紹了廣義回歸神經(jīng)網(wǎng)絡和遺傳算法逡逑改進的神經(jīng)網(wǎng)絡的訓練原理和學習算法，同時給出了廣義神經(jīng)網(wǎng)絡用于判斷結(jié)構(gòu)損傷位逡逑置的網(wǎng)絡訓練輸入?yún)?shù)的選擇

【參考文獻】

相關期刊論文 前10條

1 趙洪山;張健平;高奪;張路朋;;風電機組的狀態(tài) 機會維修策略[J];中國電機工程學報;2015年15期

2 趙洪山;張路朋;;基于可靠度的風電機組預防性機會維修策略[J];中國電機工程學報;2014年22期

3 蘇春;陳武;;基于滾動窗口方法的風力機動態(tài)機會維修優(yōu)化[J];機械工程學報;2014年14期

4 陳向民;于德介;李蓉;;齒輪箱復合故障振動信號的形態(tài)分量分析[J];機械工程學報;2014年03期

5 沈長青;朱忠奎;黃偉國;孔凡讓;;基于支持向量回歸方法的齒輪箱故障診斷研究[J];振動.測試與診斷;2013年05期

6 趙靚;季妍;;海上風電發(fā)展近況調(diào)研[J];風能;2013年02期

7 周英華;劉晶;郭廷福;;海上風電機組的防雷保護[J];機電技術;2012年06期

8 沈德昌;;海上風電機組發(fā)展趨勢分析[J];風能;2012年12期

9 張小田;鄢盛騰;周雪青;趙洪山;;基于狀態(tài)監(jiān)測的風電機組主軸承早期故障預測方法[J];廣東電力;2012年11期

10 溫培剛;趙黛青;廖翠萍;蔡國田;;影響海上風電成本收益的重要因素分析及政策建議[J];特區(qū)經(jīng)濟;2012年08期

相關博士學位論文 前2條

1 李文華;新時期國家能源發(fā)展戰(zhàn)略問題研究[D];南開大學;2013年

2 刁延松;基于神經(jīng)網(wǎng)絡和小波分析的海洋平臺結(jié)構(gòu)損傷檢測研究[D];中國海洋大學;2006年

相關碩士學位論文 前1條

1 張路朋;風電機組的狀態(tài)機會維修策略[D];華北電力大學;2015年

本文編號：2718572