風能是一種世界公認的可持續(xù)可再生清潔能源,幅員遼闊的中國風能資源尤其豐富。我國風能發(fā)展迅速,風力發(fā)電在電力系統(tǒng)中的比重在不斷增大,將在2020年實現(xiàn)15%的份額,成為繼火電、水電后的第三大能源。國內(nèi)風電事業(yè)發(fā)展的同時,風電管理模式已由過去簡單、非信息化的粗放式管理逐漸向集中、信息化系統(tǒng)管理模式轉變,從而大幅提高風能利用效率、增強風電場運行安全水平。本文圍繞風力發(fā)電機故障特征提取與預警方法研究兩個問題展開了研究。首先,以風電SCADA系統(tǒng)中提取的風機正常運行數(shù)據(jù)為例,通過Relief算法分析風速、功率、發(fā)電機溫度等監(jiān)測參量對發(fā)電機產(chǎn)生異常的影響大小。選取各相關參量中影響發(fā)電機工作狀態(tài)的較大相關權值的相關參量組成相關變量集。完成故障特征信息提取,并為文章最后提出的改進加權主元分析算法提供合理權值。其次,根據(jù)歷史運行監(jiān)測數(shù)據(jù),構造覆蓋發(fā)電機正常運行空間的數(shù)據(jù)矩陣,建立發(fā)電機故障預警主元模型。采用滑動窗口算法進行模型更新,將窗口滑動步長內(nèi)檢測為正常的數(shù)據(jù)加入數(shù)據(jù)窗口,同時剔除滑動窗口內(nèi)較早時刻數(shù)據(jù)來保證模型適應性。利用主元類分析法建立故障預警模型,若發(fā)電機存在潛在性故障,平方預測誤差統(tǒng)計量發(fā)生明顯改變,并會連續(xù)超出控制限,故通過對平方預測誤差統(tǒng)計量的監(jiān)測能夠?qū)撛谛怨收线M行預警。最后,本文通過對傳統(tǒng)主元算法、傳統(tǒng)自適應主元算法、滑動窗口核主元分析算法和基于數(shù)據(jù)塊的滑窗核主元算法分別建立風機故障預警模型,對比故障檢測結果,驗證了本文提出的改進算法能夠發(fā)現(xiàn)發(fā)電機早期故障,實現(xiàn)更準確的故障預警。
【學位單位】：華北電力大學
【學位級別】：碩士
【學位年份】：2017
【中圖分類】：TM315
【部分圖文】：

圖 1-1 2005-2015 新增、累計裝機容量統(tǒng)計.1.2 故障診斷發(fā)展現(xiàn)狀由于風力發(fā)電機組的故障機理復雜，影響因素眾多，所以狀態(tài)監(jiān)測和故障系統(tǒng)要求能夠全面、準確、實時地監(jiān)測并網(wǎng)風電機組的運行狀態(tài)。同時能夠預測風電機組未來的運行狀況，有效避免故障發(fā)生。國外對風力發(fā)電機組的狀態(tài)監(jiān)測與故障診斷技術研究起步較早，相應的技較為成熟。人工智能[6,7]、模糊神經(jīng)網(wǎng)絡[8-10]、小波神經(jīng)網(wǎng)絡法等智能算法已較為成熟。針對比較容易發(fā)生故障的發(fā)電機、齒輪箱等部件國外已經(jīng)展開了深入的研究，在這個過程中積累了大量的基礎數(shù)據(jù)并不斷改進和優(yōu)化診斷。如今無論是在監(jiān)測系統(tǒng)的開發(fā)上還是在診斷算法上，都已具備很高的水平斷成熟。如 TavnerEJ 與 PenmanJ 對發(fā)電機的振動類故障進行了研究[11]，釆測發(fā)電機相關運行參數(shù)（如電壓、電流等），確定故障的類型、發(fā)生部位、程度及其發(fā)展趨勢。以國外先進技術為單位的有較早的美國 IFD (Incipilure Detection) 技術、瑞典 SKF 利用風輪離心力來控制系統(tǒng)；西班牙運營

圖 2-1 風電機組工作原理圖由圖 2-1 可知風力發(fā)電機是將風能源轉換成電能的機械設備，它由動力機動，將風產(chǎn)生的能量轉換成電能。發(fā)電機在工農(nóng)業(yè)生產(chǎn)、國防、科技日常生有廣泛的用途。它的構造原理為：用適當?shù)膶Т藕蛯щ姴牧蠘嫵上嗷ミM行電應的磁路和電路，以產(chǎn)生電磁功率，達到能量轉換的目的。由于發(fā)電機系統(tǒng)影響風力發(fā)電機組的整體運行效率，同時關乎供電質(zhì)量，因此，有必要研究障診斷技術。.1.1 發(fā)電機基本類型發(fā)電機是利用電磁感應原理把機械能轉換成電能的裝置[21]。風力發(fā)電系，在風力機的拖動下，發(fā)電機中的線圈繞組切割磁力線，則在線圈繞組上有電動勢產(chǎn)生。無論是哪種類型的發(fā)電機，基本組成部分都是產(chǎn)生感應電動勢圈和產(chǎn)生磁場的磁極或者線圈。其中，轉子為轉動的部分，定子為不動的部分面介紹四種劃分發(fā)電機種類的方式[22]。（1）根據(jù)輸出電流形式，分為直流發(fā)電機和交流發(fā)電機。

（2）根據(jù)磁極產(chǎn)生方式，分為永磁式發(fā)電機和電勵磁式發(fā)電機。永磁式發(fā)電機是利用永久性磁鐵在發(fā)電機內(nèi)部產(chǎn)生一個永久性磁場，提供機需要的勵磁磁通。而電勵磁式發(fā)電機則借助在勵磁線圈內(nèi)流過的電流產(chǎn)生，用來提供發(fā)電機所需要的勵磁磁通。后者優(yōu)于前者的地方是可以通過改變電流來調(diào)節(jié)勵磁磁通。（3）按照電樞繞組和磁極的相對運動關系，分為旋轉磁極和旋轉電樞兩旋轉磁極式又被稱為轉磁式和轉場式，這種方式為發(fā)電機的電樞繞組在定不動，產(chǎn)生磁場的磁極或勵磁繞組在轉子上，由原動機帶動旋轉。利用旋轉極在電樞中做相對運動，最終在電樞繞組中感應出電動勢；旋轉電樞式也稱式，磁極在定子上固定不動，發(fā)電機的電樞繞組隨轉子的轉動切割磁力線，感應出電動勢。（4）按照與連接電網(wǎng)的頻率是否相同，分為同步發(fā)電機和異步發(fā)電機兩同步發(fā)電機也被稱為交流發(fā)電機，運行頻率與其所連接的電網(wǎng)的頻率完全。異步發(fā)電機的啟動、并網(wǎng)方便，便于自動控制，成本低、運行可靠、維修且運行效率較高，所以風力發(fā)電機組的發(fā)電機一般采用異步發(fā)電機。
【參考文獻】

相關期刊論文 前10條

1 劉軒;孫建平;;風力發(fā)電機溫升故障預警方法研究[J];電力科學與工程;2016年06期

2 劉春燕;于春梅;閆廣峰;;一種基于特征子空間的改進動態(tài)核主元分析方法[J];計算機應用研究;2016年12期

3 張敏龍;王濤;王旭平;常紅偉;王放;;分步動態(tài)自回歸核主元分析及其在故障診斷中應用[J];計算機應用;2016年05期

4 林茂;李穎暉;朱喜華;吳辰;;基于改進核主元分析法的三電平逆變器故障檢測[J];電網(wǎng)技術;2016年03期

5 楊彤瑤;王彬;李川;何弼;熊新;;基于改進主元分析方法的隧道應變實時監(jiān)測預警系統(tǒng)[J];計算機應用;2013年11期

6 趙小強;楊武;薛永飛;;可變窗自適應核主元分析的化工過程故障診斷算法[J];東南大學學報(自然科學版);2013年S1期

7 ;2012年中國風電裝機容量統(tǒng)計[J];風能;2013年03期

8 周奇才;黃克;趙炯;熊曉磊;;一種基于改進型自適應滑動窗算法的主元分析[J];華東理工大學學報(自然科學版);2012年03期

9 黃敏;張芳;;模糊Petri網(wǎng)在風電機組故障診斷中的應用[J];計算機工程與應用;2012年27期

10 姚興佳;劉穎明;劉光德;邢作霞;鮑潔秋;;大型風電機組振動分析和在線狀態(tài)監(jiān)測技術[J];沈陽工業(yè)大學學報;2007年06期

相關博士學位論文 前2條

1 孫鮮明;復雜工況下風力發(fā)電機組關鍵部件故障分析與診斷研究[D];沈陽工業(yè)大學;2014年

2 吳勝強;核主元分析及證據(jù)理論的多域特征故障診斷新方法研究[D];燕山大學;2011年

相關碩士學位論文 前4條

1 王友榮;ReliefF加權特征選擇方法在旋轉機械故障診斷中的應用研究[D];燕山大學;2014年

2 胡新芳;粒子群與遺傳算法結合在PCA人臉識別算法中的應用研究[D];華中師范大學;2013年

3 張祥羅;風力機中發(fā)電機在線故障特征提取與故障診斷系統(tǒng)研究[D];華南理工大學;2013年

4 張芳;基于Petri網(wǎng)的故障診斷建模研究及其在風電機組中的應用[D];長沙理工大學;2012年

本文編號：2850990