故障诊断技术在风力发电上的应用

《故障诊断技术在风力发电上的应用》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。

1、风力发电机组状态监测与智能故障诊断系统的调研报告——机口14班牛善涛2110101092应用领域随着风力发电机组的装机容量逐年增加，单机容量越来越大，相关的第三产业即风力发电机组运行维护、监测、故障诊断等将成为行业新的增长点。风力发电机组的工作环境恶劣，风速极不稳定，在交变荷载的作用F,机组部件容易损坏。风电机组的维修不便，通常情况下，对于陆上风力发电场，机组运行维护成本占到单位电价的10%〜15%,对于离岸风力发电机组，该比例接近25%〜30%。应用实践表明采用在线状态监测和故障诊断系统可以有效的降低维护

2、费用。功能在线状态监测和故障诊断可以有效监测出传动系统、发电机系统的内部故障,帮助风电企业优化维修策略、减少非计划停机次数和降低机组的运行维护费用等。风力发电机组的在线状态监测和故障诊断系统集合了信号采集、在线监测以及信号分析等功能；对传动系统、发电机系统的振动、温度、压力和电气参数等进行在线监测，并将采集到的数据进行各种分析处理，从而正确的定位各系统的故障。在系统界而屮共设计了风场电网状态、风场累计发电量、风机状态、风机故障智能诊断、系统管理模块等子模块，各子模块屮有更详细的分类。具体功能模块如图所示风力

3、发电机组状态监测与故障智能诊断系统参数配置部测参也时机通数测检数类数风屋参检件参数参间数用特点(1)智能故障诊断原理风场气流不稳定，使得齿轮箱、发电机的故障信号成为一个吋变非平稳信号,一般的频域分析法难以实现对混有故障信号的定子电流的处理。小波分析是一•种吋域频域分析，它在吋域和频域同吋具有良好的局部化性质。但是传统小波变换存在频率混淆现象，单子带重构改进算法利用快速傅里叶变换(FFT)和快速傅里叶逆变换(IFFT)消除了传统小波变换屮的频率混淆现彖，时频分辨能力更优。人工神经网络具有自学习、自组织、自适应

4、和极强的非线性映射能力，适用于因果关系复朵的非确定性分类问题。因此，智能诊断的思路为首先将信号进行单子带重构改进小波变换，然后从小波变换子带系数屮选取特征域提取故障特征，作为BP神经网络的输入，BP神经网络根据训练好的映射关系，导出相应输入信号的故障类型。智能故障诊断系统框图如图所示(2)系统结构设计系统采用Browser/Server体系结构，方便了客户的使用和管理；同时支持远程监测诊断服务，对于风电机组发生的未知故障，可由专家远程提供诊断帮助。系统从风场的SCADA系统中获取需要实时显示的状态数据；从安

5、装的振动传感器中获得齿轮箱的各项振动数据，电流传感器中获得发电机的定子电流信息，存入状态监测与故障智能诊断系统数据库屮，然后系统从数据库屮调取要分析的数据，进行智能诊断分析。同时实时显示风场及风机的状态监测信息。（3）系统的实现环境本系统基于VisualStudio2008ProfessionalEdition（C#语言）、SQLServer2005以及matlabR2009平台开发完成。其中，基于.NET2.0平台，采用C#语言和数据库SQLServer2005完成的系统界面开发及系统状态监测量的显示，如

6、风场和风机的温度参数、屯气参数等；运用数据库SQLServer2005结合MatlabR2009平台下的m语言编程，实现齿轮箱和发电机故障数据的智能诊断