风电机组传动链状态诊断方法研究

【摘要】：风电机组故障引起的发电量损失和维护费用是风电场运营成本的主要组成部分。传动链相关故障造成风电机组停机时间最长,且维护成本高。研究风电机组传动链的状态诊断问题,对风电场制定合理的维修策略至关重要,能提高风电机组可利用率、降低风电场运营成本、增加风力发电在可再生能源领域的竞争力。以风电机组传动链为研究对象,以机组SCADA数据和关键部件振动数据为基础,以实现运行状态实时监测、故障预诊断、故障定位与性能退化程度评估为目的,重点研究了风电机组传动链状态监测与故障诊断方法,主要完成了以下工作：(1)提出了基于多参数的风电机组传动链报警模式。综合考虑多个运行参数,运用K-means聚类算法对风电机组运行工况进行划分；在各个工况子空间中计算样本到聚类中心的欧氏距离,作为各工况下新的“报警阈值”。相比于传统模式,基于多参数的风电机组传动链报警模式在“工况划分”和“阈值设定”两方面均考虑多个SCADA运行参数。实例计算表明,所提方法可有效降低机组误报警率。(2)建立了基于引力搜索算法优化最小二乘支持向量机(GSA-LSSVM)的风电机组传动链状态监测模型。筛选风电机组健康运行工况下SCADA系统中有功功率、风速、机舱温度、主轴转速和齿轮箱油温,建立标准专家库；采用引力搜索算法(GSA)对最小二乘支持向量机(LSSVM)的惩罚系数C和核参数σ进行寻优,基于GSA-LSSVM模型,建立健康工况下的齿轮箱油温映射模型,定义预测值与实测值的商为判别指数,通过监测判别指数的统计特性,实现对风电机组传动链运行状态的监测。经实例分析,验证了模型的有效性与实用性。(3)提出了基于引力搜索算法优化人工神经网络(GSA-ANN)的风电机组传动链故障诊断方法。将GSA算法用于人工神经网络(ANN)初始权值和阈值的优化,提升网络的稳定性。考虑到风电机组传动链振动信号的非平稳性和复杂性,提取功率谱熵、小波熵、盒维数、关联维数、偏度和峭度作为故障诊断的特征值。基于GSA-ANN模型,以功率谱熵等特征值为输入,对风电机组传动链故障进行模式识别,并与基于粒子群算法优化人工神经网络(PSO-ANN)方法进行对比。计算结果表明,GSA-ANN方法可准确识别齿轮箱齿轮磨损、齿轮断齿和发电机两端轴承松动这3种风电机组传动链典型故障,且在诊断效果和运算效率方面均优于PSO-ANN方法。(4)提出了基于萤火虫群算法优化最小二乘支持向量机(GSO-LSSVM)的风电机组传动链故障诊断方法。将萤火虫群算法(GSO)用于LSSVM惩罚系数C与核参数σ组合的优化,建立GSO-LSSVM故障诊断模型。基于滚动轴承振动信号,提取功率谱熵、小波熵、盒维数、关联维数、偏度和峭度作为故障诊断的特征值,基于GSO-LSSVM模型,对滚动轴承不同位置及不同程度故障进行模式识别,并与基于遗传算法优化最小二乘支持向量机(GA-LSSVM)方法进行比较。计算结果表明,GSO-LSSVM方法可有效定位滚动轴承的故障,并准确评估轴承性能的退化程度,且在诊断精度和运算效率方面均优于GA-LSSVM方法。(5)建立了基于高斯混合Copula模型(GMCM)的风电机组传动链健康状态实时评价模型。将Copula函数与高斯混合模型(GMM)结合,以滚动轴承振动信号的均值和峭度作为特征值,基于GMCM得到的负对数似然概率(negative log likelihood probability, NLLP),计算衰退指数(degradation index, DI),实现滚动轴承健康状态的实时评价。实例验证了GMCM在提前诊断滚动轴承衰退趋势方面的性能优于GMM,可实现故障的早期预警,避免故障扩大化。最后将风电机组传动链状态诊断的研究成果集成并应用到“大型风电机组在线运行状态与性能评估系统”。 【关键词】：风电机组传动链 聚类算法 支持向量机 神经网络 高斯混合模型
【学位授予单位】：华北电力大学
【学位级别】：博士
【学位授予年份】：2015
【分类号】：TM315
【目录】：

• 摘要5-7
• ABSTRACT7-16
• 第1章 绪论16-29
• 1.1 引言16-21
• 1.1.1 课题研究背景16-19
• 1.1.2 课题研究的目的和意义19-21
• 1.2 国内外研究现状21-26
• 1.2.1 风电机组传动链状态监测与故障诊断的研究21-25
• 1.2.2 滚动轴承健康状态实时评价的研究25-26
• 1.3 论文研究内容和技术路线26-29
• 1.3.1 研究内容26-28
• 1.3.2 技术路线28-29
• 第2章 风电机组传动链报警模式研究29-37
• 2.1 引言29
• 2.2 误报警率定义29-30
• 2.3 基于单参数的风电机组传动链报警模式30-33
• 2.3.1 基于风速的运行工况分类31-32
• 2.3.2 误报警率计算32-33
• 2.4 基于多参数的风电机组传动链报警模式33-36
• 2.4.1 基于多参数的运行工况分类34-35
• 2.4.2 阈值设定35
• 2.4.3 误报警率计算35-36
• 2.5 本章小结36-37
• 第3章 基于优化支持向量机的风电机组传动链状态监测研究37-51
• 3.1 引言37
• 3.2 基于引力搜索算法优化最小二乘支持向量机37-42
• 3.2.1 最小二乘支持向量机37-39
• 3.2.2 引力搜索算法39-41
• 3.2.3 最小二乘支持向量机优化41-42
• 3.3 算例及分析42-50
• 3.4 本章小结50-51
• 第4章 基于优化神经网络的风电机组传动链故障诊断研究51-69
• 4.1 引言51
• 4.2 人工神经网络优化51-58
• 4.2.1 人工神经网络51-54
• 4.2.2 粒子群算法优化神经网络54-57
• 4.2.3 引力搜索算法优化神经网络57-58
• 4.3 特征提取58-61
• 4.4 算例及分析61-68
• 4.5 本章小结68-69
• 第5章 基于优化支持向量机的风电机组传动链故障诊断研究69-93
• 5.1 引言69
• 5.2 基于优化最小二乘支持向量机的故障诊断方法69-75
• 5.2.1 基于遗传算法优化最小二乘支持向量机的故障诊断方法69-73
• 5.2.2 基于萤火虫群算法优化最小二乘支持向量机的故障诊断方法73-75
• 5.3 算例及分析75-91
• 5.3.1 故障位置诊断76-81
• 5.3.2 故障程度诊断81-91
• 5.4 本章小结91-93
• 第6章 风电机组传动链状态实时评价及状态诊断系统的研究93-112
• 6.1 引言93
• 6.2 风电机组传动链健康状态实时评价93-104
• 6.2.1 高斯混合模型94-95
• 6.2.2 Copula函数95-96
• 6.2.3 基于高斯混合Copula模型的健康状态实时评价方法96-97
• 6.2.4 算例及分析97-104
• 6.3 大型风电机组在线运行状态与性能评估系统研究104-110
• 6.3.1 风电机组状态监测与故障诊断系统发展现状104-105
• 6.3.2 系统设计105-107
• 6.3.3 数据采集与通讯107-108
• 6.3.4 系统界面108-110
• 6.4 本章小结110-112
• 第7章 结论与展望112-115
• 7.1 结论112-113
• 7.2 创新点113-114
• 7.3 展望114-115
• 参考文献115-125
• 攻读博士学位期间发表的论文及其它成果125-126
• 攻读博士学位期间参加的科研工作126-127
• 致谢127-129
• 作者简介129

您可以在本站搜索以下学术论文文献来了解更多相关内容

风力发电机组运行状态的混沌特性识别及其趋势预测    安学利;蒋东翔;

分形盒维数在裂纹转子故障诊断中的应用    刘晓波;马善红;

旋转机械振动信号的信息熵特征    申弢,黄树红,韩守木,杨叔子

基于粒子群优化BP神经网络的风电机组齿轮箱故障诊断方法    龙泉;刘永前;杨勇平;

基于AR自相关峰态值的一类轴承故障检测方法    陶新民;杜宝祥;徐勇;吴志军;

基于粒子群优化聚类的汽轮机组振动故障诊断    刘福荣;王宏伟;高晓智;

抽水蓄能机组振动故障诊断专家系统    王青华;杨天海;沈润杰;杨斌;

关联维数在大型旋转机械故障诊断中的应用    汪慰军,陈进,吴昭同

基于SCADA运行数据的风电机组塔架振动建模与监测    郭鹏;徐明;白楠;马登昌;

基于混沌和取样积分技术的大型风电增速箱早期故障诊断    孙自强;陈长征;谷艳玲;刘欢;

风电场功率短期预测方法优化的研究    杨志凌

风电机组振动监测与故障诊断研究    刘文艺

基于流形学习的风电机组传动系统故障诊断方法研究    李锋

基于单通道盲分离算法的大型风电机组早期机械故障诊断    孟强

应急通信终端天线的设计与优化    张庆贺

基于模糊神经自适应的感应电动机直接转矩控制研究    许志伟

空压机组的状态跟踪与故障诊断    万年红

DH80-7空压机轴瓦改造    孙玉平;张平军;

基于混沌神经网络的供配电系统故障诊断    吴凡,张志利,颜宁

基于神经网络与规则库的故障诊断专家系统    鞠万群,韩秋实

LabVIEW下水泵机组在线监控与通信技术    吴国新,徐小力,费仁元,王民,时延鹏

大型风机信号分析集成系统的设计    修瑞;许宝杰;

基于信息熵加权的Elman神经网络状态趋势预测    陈涛;徐小力;王少红;

烧结风机故障诊断应用    冯贵军,刘建平,王文军

退火窑传动系统振动原因分析及解决措施    李平安;

基于振动和润滑油分析的主推力轴承故障诊断实例    赵军;马仲翦;赵质良;

基于人工免疫系统的机组复合故障诊断技术研究    岑健

机械传动系统关键零部件故障预测技术研究    曾庆虎

城市轨道交通车辆走行部安全评估方法研究    李熙

离心泵振动故障诊断方法研究及系统实现    赵鹏

基于流形学习的旋转机械故障诊断方法研究    王广斌

基于核方法的旋转机械故障诊断技术与模式分析方法研究    蒋玲莉

基于信息融合的航空发动机故障诊断方法    吴文杰

旋转机械系统故障特征提取中的分形方法研究    赵玲

旋转机械早期故障特征提取的时频分析方法研究    鞠萍华

滚动轴承的性能退化特征提取及评估方法研究    潘玉娜

基于量子粒子群优化的Volterra核辨识及故障诊断方法研究    蒋静

基于全矢高阶谱的故障诊断方法及其应用研究    李朋勇

远程诊断中心的设计与实现    韩冬振

基于OMAP5912的准在线故障诊断系统软件平台关键技术研究    韦建威

正交小波变换支持向量数据描述方法在故障诊断中的应用研究    李卫鹏

基于局域均值分解的机械故障诊断方法研究    刘卫兵

基于全矢谱的旋转机械轴振与瓦振关系研究    赵国卿

基于全矢谱的智能诊断技术研究    张晓冬

无线通信技术在设备状态监测中的研究与应用    许俊杰

滚动轴承故障诊断技术及其工业应用    李俊卿

基于独立分量分析特征提取的故障诊断系统    屈微;刘贺平;张德政;

滚动轴承故障诊断中的分形    张文明，李莉，申焱华，王英，王卫刚

基于取样积分技术的数据采集系统    姜卓娇;于生宝;白毅;张贤涛;

基于极大似然估计采样一致性准则的遥感影像配准参数解算方法研究    宋妍;田玉刚;贾小霞;

基于分形的滚动轴承故障模式的识别    陆爽,张子达,李萌

交流传动系统的控制策略    陈伯时,谢鸿鸣

基于自适应线性神经元速度观测器在直接转矩控制系统中的应用    王晓东,石海峰

基于独立分量分析的谐波估计和消除    吴小培,李晓辉,孔敏,冯焕清,周荷琴

高性能大容量交流电机调速技术的现状及展望    李永东

基于混沌时间序列的大型风电场发电功率预测建模与研究    冬雷;王丽婕;高爽;廖晓钟;

兆瓦级风电机组状态监测及故障诊断研究    单光坤

单通道盲源分离及其在水声信号处理中的应用研究    刘佳

循环流化床波动信号的非线性分析    马丽萍

微波神经网络技术研究    刘钊

风电场功率短期预测方法研究    韩爽

机电设备微弱特征提取与诊断方法研究    何慧龙

兆瓦级风力发电机组变桨距系统控制技术研究    郭洪澈

基于盲分离的空调机组故障振声诊断研究    周勃

微弱信号检测及机械故障诊断系统研究    徐春生

风电场风速软测量与预测及短期风速数值模拟方法研究    纪国瑞

基于经验模态分解和单通道盲源信号分离测量两相流速度    付荣荣

常规雷达目标双谱特征分析及应用    万小磊

旋转机械故障特征提取技术及其系统研究    张韧

风力发电机组关键部件的有限元分析    许燕

人工神经网络及其在汽轮发电机组振动故障预测中的应用    刘强

基于进化算法的盲源信号分离    易叶青

600KW风力发电机组故障诊断    唐新安

基于独立分量分析的盲源分离方法的研究    肖瑞

风力发电机齿轮箱的齿轮转子系统动力学的分析与研究    刘莹

风力发电机组振动测试技术研究    时轶