風力發(fā)電機組狀態(tài)監(jiān)控與故障診斷系統(tǒng)研究.pdf

1、風速風況存在隨機、間歇和不確定性，風力發(fā)電機組總是處于交變荷載作用下，工作環(huán)境十分惡劣，機組各部件容易發(fā)生故障。隨著風力發(fā)電機組裝機容量的逐年增加，機組的運行狀態(tài)監(jiān)測、故障診斷等已成為行業(yè)發(fā)展的瓶頸和關鍵。風電場分布范圍廣，風力機通常無人值守，發(fā)生故障時很難實行即時維修，因此，開展風電機組的狀態(tài)監(jiān)控與故障診斷技術的研究，對提高機組的可靠性和風電場的運行效率、降低風電場維護成本、優(yōu)化維修策略等具有重要的現(xiàn)實意義。
　　 通過綜合分

2、析風力發(fā)電國內(nèi)外研究現(xiàn)狀、風力發(fā)電機組狀態(tài)預測、故障診斷方法等。研究了風力發(fā)電機、齒輪箱故障機理及主要常見故障。針對風電機組早期故障信號微弱、時變非平穩(wěn)等特點，采用小波包技術提取故障特征量。通過特征向量分析，進行數(shù)據(jù)的歸一化、平穩(wěn)性、正態(tài)性等判定以及零均值化等項目的預處理;利用AIC定階準則實現(xiàn)模型定階、采用極大似然估計法完成參數(shù)估計、采用殘差分析檢驗方法完成模型的檢驗等，完成ARMA模型的構建，預測風力發(fā)電機組未來時刻的特征量。

3、>　　 針對風力發(fā)電機組各故障狀態(tài)的非線性特性，應用BP神經(jīng)網(wǎng)絡對風電機組的各個故障狀態(tài)進行模式分類與識別;結合具有全局尋優(yōu)能力的遺傳算法，優(yōu)化BP神經(jīng)網(wǎng)絡的權重和閾值，設計基于遺傳算法的優(yōu)化BP神經(jīng)網(wǎng)絡(GA-BP)自學習智能診斷方案，構建風力發(fā)電機組GA-BP故障診斷系統(tǒng)，既能有效改善BP神經(jīng)網(wǎng)絡收斂速度和收斂精度，也可提高故障診斷的成功率。
　　 由特征量提取、ARMA預測模型、GA-BP故障診斷等組成的整體系統(tǒng)現(xiàn)已在廣