基于現(xiàn)場數(shù)據(jù)的大型風(fēng)電機組故障診斷研究.pdf

1、隨著氣候變化形勢嚴峻、全球化石能源枯竭供應(yīng)緊張，可再生能源變得越來越為重要，其中風(fēng)電得到了高度重視，世界風(fēng)電產(chǎn)業(yè)也得到了迅速發(fā)展。由于風(fēng)電機組工作環(huán)境條件惡劣，風(fēng)電機組故障頻發(fā)，隨著風(fēng)電裝機容量的不斷增加，風(fēng)電機組的運行維護成本也在不斷增加。大型風(fēng)電機組的主要部件如槳葉、齒輪箱、發(fā)電機等位于高達上百米的塔架頂部，一旦故障，需采用大型機械設(shè)備如吊車等進行維修，這樣不但維修費用高，而且影響機組的發(fā)電量。據(jù)統(tǒng)計，一臺壽命為20年的風(fēng)電機組，其

2、運行維護成本占總收入的10％-15%。目前，大多機組采用“定期維修”和“事故維修”的維修策略，但是對于在非維修時期產(chǎn)生的異常很有可能不斷惡化，進而導(dǎo)致重大事故，因此，監(jiān)控與數(shù)據(jù)采集(Supervisory Control and Data Acquisition,SCADA)系統(tǒng)在風(fēng)力發(fā)電行業(yè)得到了迅速的發(fā)展，但是SCADA系統(tǒng)的報警模式大多采用越限報警，這種報警模式的報警閥值通常設(shè)置較寬泛，只有在故障惡化到一定程度時才能進行故障預(yù)警，

3、這就造成了無法及時、準(zhǔn)確地定位故障隱患并追蹤其發(fā)展趨勢。
　　本文從風(fēng)電機組的SCADA系統(tǒng)采集相關(guān)變量的運行數(shù)據(jù)，對其進行分析和處理后，利用改進BP神經(jīng)網(wǎng)絡(luò)和支持向量機建立發(fā)電機輸出有功功率模型，通過觀察發(fā)電機輸出有功功率的實際值與模型預(yù)測值之間的殘差變化趨勢來判斷風(fēng)電機組的運行狀態(tài)是否正常。分析風(fēng)電機組的SCADA系統(tǒng)可知，其監(jiān)測參數(shù)可以分為非獨立變量的大區(qū)間監(jiān)測參數(shù)和獨立變量的小區(qū)間監(jiān)測參數(shù)?；诖耍捎肕SET(Multi

4、variate State Estimation Technique)方法對非獨立變量的大區(qū)間監(jiān)測參數(shù)建立故障預(yù)警模型，獨立變量的小區(qū)間監(jiān)測參數(shù)采用SCADA系統(tǒng)進行狀態(tài)監(jiān)測。本文以某風(fēng)電場風(fēng)力機主軸軸承故障數(shù)據(jù)，對風(fēng)電機組的改進BP神經(jīng)網(wǎng)絡(luò)和支持向量機模型進行了驗證，基于發(fā)電機的機械監(jiān)測參數(shù)建立了MSET模型，通過對發(fā)電機前軸承溫度添加合適步距的溫度偏移，檢驗了MSET模型的有效性，對獨立變量的小區(qū)間監(jiān)測參數(shù)分析了SCADA系統(tǒng)的狀態(tài)