基于回歸分析的風機主要部件的故障預測方法研究.pdf

1、在風力發(fā)電技術迅猛發(fā)展的同時，高昂的維修費用成為影響其經濟性的重要因素之一。目前，對風電機組運行狀況缺乏先驗性的了解，被動、滯后的維修措施對機組安全、穩(wěn)定、經濟運行十分不利，主要部件的故障往往造成整個機組長時間的停機。因此，對機組進行狀態(tài)監(jiān)測，實時地掌握機組主要部件的運行信息以便可以及時發(fā)現(xiàn)潛在的故障隱患，對風電場特別是有很大發(fā)展?jié)摿Φ暮Ｉ巷L電場具有重要的實用意義。本文基于現(xiàn)場易得到的監(jiān)測信息，針對傳動系統(tǒng)的主要部件進行故障預測方法研究

2、，取得的研究成果如下:
　　 部件溫度信息可以反映其運行狀態(tài)，故首先建立被監(jiān)測部件在正常運行狀態(tài)下的線性回歸溫度預測模型進行溫度預測，當部件出現(xiàn)異常時，溫度信息偏離正常狀態(tài)，采用正常情況下的預測模型所得的殘差分布特性發(fā)生改變，也即殘差信息在一定程度上指示了部件的運行狀態(tài)。將所得預測殘差信息作為輸入，提出能夠更準確、清晰地反映部件運行狀態(tài)是否偏離正常范圍的判別函數(shù)來進行故障預測，判別函數(shù)值越過設定門檻值即判定部件存在異常，發(fā)出警報

3、提示工作人員檢查設備，防止故障或嚴重事故的發(fā)生。
　　 為提高故障預測結果的準確度，故障預測算法的輸入—溫度預測殘差必須盡量準確反映部件實際運行狀態(tài)和正常狀態(tài)之間的偏差，也即溫度預測模型的預測精度必須較高。為此，建立被監(jiān)測部件正常運行狀態(tài)下的非線性回歸溫度預測模型，將相關溫度的二次項和交互項考慮進模型。把采用非線性模型所得殘差作為輸入與采用線性模型所得殘差作為輸入的兩種故障預測方法對比，驗證非線性模型更高的精度及兩種方法預測結果

4、的一致性。
　　 回歸分析模型考慮了相關測點的溫度對預測溫度的影響，但未將預測時刻之前進入系統(tǒng)的干擾因素考慮進去，為彌補此弱點，可建立被監(jiān)測部件正常運行狀態(tài)下的自回歸滑動平均模型(ARMA)。針對風電機組傳動系統(tǒng)主要部件，將ARMA模型溫度預測殘差作為輸入信息，提出基于休哈特控制圖算法的另一種故障預測新方法。該算法較之前一種預警算法在線計算量小、更為簡單明了，且仿真結果驗證了兩種方法預測結果的一致性。
　　 將上述所提方