基于大数据分析的风电机组塔架振动仿真研究

【摘要】：风电机组常年在复杂工况下连续运行,机组对设备的可靠性等方面有很高的要求,对机组塔架振动信号的建模和分析可以实现对机组重要部件如叶片、传动链、塔架等的状态监测及故障预警工作。文章采用非线性状态估计技术(Nonlinear State Estimate Technology,NSET)作为建模方法,在对风电机组塔架振动特性及其影响因素进行细致分析的基础上,利用大数据平台采集的机组塔架相关数据建立了塔架振动模型。该模型反应了机组正常工况下塔架振动情况。利用残差统计方法对机组塔架振动估计值和实际值的残差进行分析,残差均值能显示出塔架振动的异常状态,为后续开展的风电机组叶片开裂等早期故障诊断打下了良好的基础,同时为风电机组振动分析提供了新的思路。 【作者单位】： 中能电力科技开发有限公司;
【关键词】： 风电机组 大数据分析 NSET 塔架 振动
【分类号】：TM315
【正文快照】： 风电新能源发电具有数量大、种类多、设备分散等特点,设备在生产过程全寿命周期产生了海量的数据。这些数据蕴含着企业运营、设备运行维护等大量的信息,“数据”已成为企业生产运营的重要资源。通过对于这些数据的挖掘,分析其中的规律,对机组故障预警与故障诊断等问题提供了新

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

一种BP神经网络改进算法研究    王晶晶;王剑;

基于改进型遗传算法的前馈神经网络优化设计    陈智军

基于BP神经网络改进算法的入侵检测方法    危胜军,胡昌振,姜飞

Hermite插值神经网络权值和结构确定理论探讨    张雨浓;李凌峰;郭东生;杨逸文;

关于BP网络变结构问题的研究    郝培锋,肖文栋,祝钢,徐心和

大型风电机组叶片损坏原因及对策    郭万龙;

2.5MW大型风力发电机组机舱罩的研制    张奇虎;杨胜;宋加佳;钟杰;