發(fā)展低碳經濟、開發(fā)和利用可再生能源,已成為全球能源戰(zhàn)略與可持續(xù)發(fā)展的核心問題。憑借技術手段成熟、商業(yè)化程度高、開發(fā)規(guī)模大等優(yōu)勢,風力發(fā)電已成為全球增長速度最快的綠色能源。在風電裝機容量的急速增加的同時,也帶來了產能過剩以及逐漸凸顯的質量問題。在風電機組運行環(huán)境惡劣,優(yōu)質風資源的逐漸減少,風電行業(yè)偏向“重制造,輕管理”的現(xiàn)狀下,風電機組關鍵部件故障頻頻發(fā)生,對機組的運行效益甚至電網(wǎng)的安全運行造成了嚴重影響。本文針對上述背景現(xiàn)狀,運用數(shù)據(jù)挖掘技術,開展基于數(shù)據(jù)驅動的風電機組故障診斷方法研究,以解決風電機組部分組件的運行狀態(tài)特征挖掘、異常狀態(tài)檢測、故障識別與故障概率分析等問題,為風電機組故障診斷系統(tǒng)的研發(fā)提供理論基礎。本論文具體研究工作如下:（1）針對風電機組監(jiān)測信號之間存在耦合性與動態(tài)相關性的問題,提出了基于互信息的風電機組動態(tài)特征挖掘方法。通過即時特征與延時特征構造增廣特征矩陣,根據(jù)特征之間的互信息累計度量建立風電機組監(jiān)測信號的動態(tài)特征矩陣,將動態(tài)特征矩陣中的特征參量作為風電機組組件故障檢測模型的輸入。通過對比不同特征處理方式對風電機組故障檢測性能的影響,驗證所提特征挖掘方法的有效性。該... 

【文章來源】：沈陽工業(yè)大學遼寧省

【文章頁數(shù)】：130 頁

【學位級別】：博士

【部分圖文】：

風電機組可利用率調查Fig.1.3Surveyontheavailabilityofwindturbines風電機組故障頻發(fā)造成巨額損失，已引起了國內外學者和工程技術人員的極大關

沈陽工業(yè)大學博士學位論文182.3FAST風電機組仿真模型2.3.15MW海上風電機組模型近些年，5MW已成為風電機組的主流級別，本課題仿真機型將參考美國國家能源實驗室（Nationalrenewableenergylaboratory，NREL）的5MW海上風電機組中的參數(shù)。NREL在MultibridM5000與Repower5M兩種機型的風電機組基礎上，結合DOWEC，WindPACT以及RECOFF[86,87]項目里提出的概念模型，最終獲得的機型參數(shù)。NREL-5MW海上風電機組和漂浮式的平臺結構如圖2.1所示，表2.1為對風電機組參數(shù)的統(tǒng)計�？紤]仿真過程不支持對預先彎曲模擬，因此通過2.5°逆風方向的預錐角進行模擬。在表2.1中不計葉片錐角對風輪直徑的影響，此外，葉片錐角也會減小風輪的直徑與掃掠的面積。圖2.1NREL-5MW風電機組與浮式平臺結構Fig.2.1NREL-5MWwindturbineandthestructureoffloatingplatform2.3.2數(shù)據(jù)描述在2002年，美國國家可再生能源實驗室開發(fā)了FAST（Fatigue,Aerodynamics,Structures,andTurbulence，F(xiàn)AST）[88]風電機組模擬程序，其具備模擬海上風力機運行情況的能力。FAST模型選用的風電機組及其浮式基礎的自由度包括葉片的揮舞和擺振運動、轉子的轉動、傳動軸的扭矩、機艙或者轉子的偏航、塔架的一階的模態(tài)屈曲運動以及平臺的六個自由度的運動，最多可以達到24個。與GHBladed相比較，F(xiàn)AST能夠提供較多的自由度，而且在建立傳統(tǒng)風力機機型時，F(xiàn)AST可以更為方便地建立動

沈陽工業(yè)大學博士學位論文262.4GW77-1.5MW風力發(fā)電機變槳系統(tǒng)描述2.4.1風電機組結構與參數(shù)由金風公司研發(fā)的GW77-1.5MW直驅永磁風力發(fā)電機組由三段塔筒、機艙、發(fā)電機、輪轂和三個葉片組成，其整體部件圖如圖2.5所示，詳細風電機組參數(shù)如表2.6所示[97]。1.葉片2.變槳系統(tǒng)3.輪轂4.發(fā)電機轉子5.發(fā)電機定子6.偏航系統(tǒng)7.測風系統(tǒng)8.輔助提升機9.頂艙控制柜10.底座11.塔架圖2.5金風GW77-1.5MW風電機組整體部件圖Fig.2.5IntegralcomponentdiagramsofgoldwindGW77-1.5MWwindturbine表2.6GW77-1.5MW風電機組參數(shù)Tab.2.6ParametersofGW77-1.5MWwindturbine風電機組指標參數(shù)額定功率(Pn)1.5MW風輪方向及配置逆風式，3葉片葉輪直徑76.84m掃風面積4637.3m3輪轂高度65m切入、額定、切出風速3m/s，11.5m/s，22m/s額定轉速17.3r/min極大風速59.5m/s運行溫度范圍-30°C至40°C機組生存溫度-40°C至50°C設計使用壽命20年2.4.2電動變槳系統(tǒng)描述風電機組各組件故障頻發(fā)，對風電機組故障診斷的研究重點，逐漸從主軸承和齒

【參考文獻】：
期刊論文
[1]考慮故障相關性的風電機組維修策略[J]. 逯紅霞,張蕊萍,董海鷹.  可再生能源. 2020(04)
[2]基于數(shù)據(jù)分類重建的風電機組故障預警方法[J]. 劉帥,劉長良,甄成剛.  儀器儀表學報. 2019(08)
[3]風電機組變工況變槳系統(tǒng)異常狀態(tài)在線識別[J]. 王爽心,郭婷婷,李蒙.  中國電機工程學報. 2019(17)
[4]基于狀態(tài)曲線的風電機組運行工況異常檢測[J]. 孫群麗,劉長良,周瑛.  熱力發(fā)電. 2019(07)
[5]基于Pareto折中解的風電裝機規(guī)劃多目標優(yōu)化方法[J]. 趙傳,戴朝華,周彤昕,袁爽,陳維榮,廖國棟.  太陽能學報. 2019(06)
[6]A New Method of Wind Turbine Bearing Fault Diagnosis Based on Multi-Masking Empirical Mode Decomposition and Fuzzy C-Means Clustering[J]. Yongtao Hu,Shuqing Zhang,Anqi Jiang,Liguo Zhang,Wanlu Jiang,Junfeng Li.  Chinese Journal of Mechanical Engineering. 2019(03)
[7]基于動態(tài)特征矩陣的k近鄰風電機組故障檢測方法[J]. 錢小毅,張宇獻.  儀器儀表學報. 2019(06)
[8]基于最佳葉尖速比的風電機組靜態(tài)偏航誤差分析及檢測方法[J]. 許佳妮,高峰.  電力科學與工程. 2019(05)
[9]基于數(shù)據(jù)驅動的風電機組狀態(tài)評估方法研究[J]. 孫培旺,張磊,肖成,郭瑩瑩.  可再生能源. 2019(03)
[10]我國風能資源評估的主要問題及原因分析[J]. 李小兵,王瀟.  風能. 2019(01)

博士論文
[1]基于模糊規(guī)則的知識發(fā)現(xiàn)與表示研究[D]. 王顯昌.大連理工大學 2015
[2]基于免疫算法的風電系統(tǒng)故障診斷技術研究[D]. 吳洪兵.南京航空航天大學 2014

碩士論文
[1]基于人工智能算法的風電機組故障診斷研究[D]. 安永燦.長春工業(yè)大學 2019
[2]基于隨機森林和XGBoost的大型風力機故障診斷方法研究[D]. 錢力揚.浙江大學 2018
[3]基于改進EEMD的風電機組行星齒輪箱故障診斷研究[D]. 周文磊.上海電力學院 2017
[4]風電機組典型故障維修決策[D]. 王瑞.華北電力大學(北京) 2016
[5]基于可解釋變異性的主元選取方法[D]. 郭家豪.華北電力大學(北京) 2016
[6]風力發(fā)電機狀態(tài)監(jiān)測與故障診斷系統(tǒng)的研究與實現(xiàn)[D]. 童國煒.華北電力大學 2015
[7]基于數(shù)據(jù)統(tǒng)計分析的變槳系統(tǒng)故障預警方法[D]. 鐘陽.華北電力大學 2015
[8]風力發(fā)電機的整機故障診斷[D]. 楊靜懿.東華大學 2014
[9]基于FAST軟件的大型風力發(fā)電機組系統(tǒng)建模與控制研究[D]. 熊海洋.重慶大學 2014
[10]基于解析模型的風力發(fā)電機組魯棒故障診斷方法研究[D]. 孫巖.中南大學 2013



本文編號：3018203