基于運行數據的風電機組故障診斷與預測.pdf

1、風電機組高故障率等問題帶來的高額維護成本影響了相關企業(yè)的經濟效益，因此降低設備故障率和機組停機時長、提高風電場的發(fā)電效益成為研究熱點。本文依據國內風電機組運行數據進行統(tǒng)計分析，獲取關鍵特征量，建立風電機組健康狀態(tài)評價模型，為風電機組的健康狀態(tài)實時評價提供依據；同時，通過運行數據挖掘機組高頻故障，對其進行故障診斷與預測，以達到提高設備可使用率的目的。本文主要工作如下：
　　1、研究風電機組的功能單元與結構單元；分析風電機組設備常見故

2、障及原因，分析國內外的風電機組高頻故障；分析風電場SCADA系統(tǒng)運行數據，提取有效狀態(tài)特征量作為風電機組設備健康狀態(tài)評價的性能指標；利用關聯規(guī)則算法分析SCADA系統(tǒng)報警點信息，提煉有效主導報警信息。
　　2、研究風電機組的生產運行狀態(tài)特征量，設計了基于灰色理論系統(tǒng)的變權模糊綜合評價模型。本文遵循評價指標構建原則，對評價因素集里的因素進行歸類，構建了風電機組健康狀態(tài)評價指標體系，并在此基礎上提出基于灰色系統(tǒng)理論的變權模糊綜合評價算

3、法，建立風電機組健康狀態(tài)評價模型。通過實驗驗證，結果表明本文給出的風電機組健康狀態(tài)評價模型能夠提前監(jiān)測到機組的亞健康狀態(tài)，平均提前3.273小時。
　　3、對風電機組的高頻故障進行診斷與預測。變頻器低溫故障報警約占變頻器報警的76％，挖掘變頻器低溫故障報警信息與機組運行數據的內在聯系，發(fā)現變頻器低溫故障報警只發(fā)生在機組停機狀態(tài)，并受環(huán)境溫度、風速的影響較大。齒輪箱油溫異常故障報警約占齒輪箱報警的55%，通過生產運行數據挖掘，發(fā)現齒