风力发电机组状态监测及故障诊断系统研究

摘要

风力发电机故障诊断技术可以有效地提高机组的可靠性，降低风力发电场的运营成本，提高风力发电场的运行效率，对促进风电产业的发展以及能源结构的调整具有重要的意义。本文基于小波包变换分析和BP神经网络算法等理论，开展风力发电机组故障诊断系统研究，主要工作包括：
　　（1）结合风力发电机组原理、主要类型及基本结构，系统的分析了风力发电机组常见故障的产生机理及其表现形式；基于设备故障诊断的基本原理及其方法，确定以风力发电机组的振动信号为故障分类诊断依据，为风力发电机组故障诊断系统的研究与设计奠定了基础。
　　（2）针对风力发电机组齿轮箱故障特性，以实现对风力发电机组齿轮箱故障信号的处理为目的，提出基于小波包变换分析方法对风力发电机组齿轮箱故障信号去噪和分解方法；在此基础上，利用BP神经网络算法对风力发电机组齿轮箱故障进行诊断，计算和结果分析表明：该方法能有效的提取齿轮箱原始振动信号的故障信号特征，并进行故障诊断。
　　（3）根据风力发电机组故障诊断系统的设计原则和方法，对故障诊断系统进行了逐层递进设计，开发了风力发电机组故障诊断的硬件和软件系统，硬件由风力发电机组的振动传感器、数据采集系统、网络通信系统以及故障分析服务器系统等组成；软件开发中采用时域分析、频域分析、倒谱分析和包络解调等方法，对故障信号进行分析诊断。
　　（4）应用开发的风力发电机组故障诊断系统，完成了云南泸西的东华风电场风力发电机组的故障诊断测试，测试结果表明：该系统能够满足现阶段风电场状态监测、故障诊断和科学处理决策的需求，初步实现了风力发电机组故障的诊断和处理决策功能。

目录

封面

声明

中文摘要

英文摘要

目录

1绪论

1.1课题研究背景

1.2 课题目的及意义

1.3 研究现状与发展趋势

1.4 本文的主要研究内容

2 风力发电机组原理及典型故障分析

2.1 风力发电机组原理、分类及结构

2.2 风力发电机组典型故障分析

2.3故障诊断基本理论与方法

2.4 本章小结

3基于小波包变换和BP神经网络的故障诊断方法

3.1 小波分析与小波包分解法

3.2 基于小波包变换的故障特征提取

3.3 人工神经网络理论

3.4 BP神经网络理论

3.5基于小波包变换和BP神经网络的故障诊断

3.6 本章小结

4 风力发电机组故障诊断系统设计

4.1故障诊断系统设计原则

4.2故障诊断系统基本结构设计

4.3故障诊断系统硬件系统设计

4.4故障诊断系统软件功能开发

4.5 本章小结

5故障诊断系统测试及应用

5.1系统测试准备

5.2泸西风电场测试情况

5.3故障诊断系统的效益和前景分析

5.4本章小结

6 结论与展望

6.1 结论

6.2 展望

致谢

参考文献