基于数据挖掘风力发电设备故障远程诊断研究

《基于数据挖掘风力发电设备故障远程诊断研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、基于数据挖掘风力发电设备故障远程诊断研究叶盛(南车株洲电力机车研究所有限公司风电事业部湖南株洲412001)摘要：为保证维护风电场大型风力发电机组安全、可靠、经济和优化运行，提出了一个基于数据挖掘技术的风力发电机组在线状态监测与故障远程诊断系统。介绍了数据挖掘故障诊断系统的硬件、软件体系结构、网络技术及特点，举实例说明应用的实用性和有效性。关键词：风力发电机组；数据挖掘；故障远程诊断研究Windpowergenerationequipment,remotefaultdiagnosisresearchbasedondataminingYeSheng（CSRZhuzhouElectricLo

2、comotiveResearchInstituteCo.,Ltd.WindPowerBusinessUnit,Zhuzhou,421000,China）AbStracl：Inordertoensuretomaintainthesecurityofthelarge-scalewindturbinewindfarm,reliable,economicandoptimaloperation,basedondataminingtechnologywindturbineconditionmonitoringandfaultremotediagnosticsystem.Dataminingfault

3、diagnosissystemofhardware,softwarearchitecture,networktechnology,andfeaturespracticalexamplesthepracticalityandeffectivenessoftheapplication.KeywOrds：Windturbine;datamining;remotefaultdiagnosisresearch1引言随着能源危机和环境污染问题的日益严重，世界各国争相发展可再生新兴能源，我国长期规划明确支持“研究开发大型风力发电设备”，风电装备由此得到了迅猛发展。在风电迅猛发展的同时，风力机高额的运行

4、维护成本影响了风场的经济效益。风场一般地处偏远、环境恶劣，并且机舱位于70至90m以上的高空，给机组的维护维修工作造成了困难，增加了机组的运行维护成本。对于工作寿命为20年的机组，运行维护成本估计占到风场收入的10%～15%；对于海上风场，用于风力机运行维护的成本高达风场收入的20%～25%。高额的运行维护费用增加了风场的运营成本，降低了风电的经济效益。但随着投产的风力发电机数量和容量的不断增加，风力发电机组的运行维护，故障检测、诊断技术的优化和改进已成为风力发电亟待解决的新课题。长期以来，风力发电机一直采用计划维修与事后维修方式，计划维修即运行2500h和5000h后的例行维护，如检查

5、螺栓力矩，加注润滑脂等。该维修体制往往无法全面、及时地了解设备运行状况。而事后维修则因事前准备不足，从而造成维修工作旷日持久，损失重大。并且由于近年来大型风力发电机组研究的快速发展，其机械结构日趋复杂，不同部件之间的相互联系、耦合也更加紧密，一个部件出现故障，将可能导致整个发电过程中断。因此，有必要对风力发电机组的运行状态进行检测跟踪，对其故障征兆进行分析处理，预测分析风力发电机的故障趋势，减少事故发生造成的财产损失，也减少强迫停机的次数，降低发电机的维护费和提高发电机的可用性，指导风电机组的维护与维修[1]。2研究背景国外监测和故障诊断技术发展早而且比较成熟，有专门用于风力发电机的监测

6、设备，国内由于风力发电机行业本身起步较晚，在线监测与故障诊断技术在国内风力发电机上的运用还处于起步状态。目前，大型风力发电机组的就地控制器都有运行数据采集、故障报警和通信功能，配合风电场中央监控系统，可以实现风电场机群的集中监控，甚至异地监控。但中央监控系统信息量的采集十分有限，一般只采集功率、转速、电流、风速等参数，无振动量采集，造成故障预警功能欠缺。比如，当中央监控系统报“传动比错误”时，可能齿轮箱或发电机已经严重损坏或卡死[2]。鉴于风电场独特的环境，以风电机组安全经济运行出发，以风电场风力发电机组为研究对象，利用小波多分辨率分析技术，对风力发电机的振动和噪声信号进行处理，提取故障

7、特征，实现风电机早期显现故障的有效监测与识别。由于风力发电机组状态监测与故障诊断过程中产生的大规模数据信息（包括统计数据、试验数据）可方便的被收集和存储在各种数据库中，具备了事务数据库特点和数据挖掘的基本要求，若采用传统的数据分析方法，对这些巨量的数据进行分析，不仅费时且难以有效地挖掘出隐含的知识；另一方面，尽管专家系统和智能诊断等方法在故障诊断中得到广泛应用，但专家系统的知识瓶颈和智能诊断方法所带来的推理过程困难等问题仍未得到很好