风力发电机组传动系统运行状态评价方法研究

摘要

随着风力发电机组装机容量的不断增长以及运行时间的增长，机组大型化复杂化已成为发展的趋势，为了能够准确的掌握风电机组的运行状态，提高机组的发电性能及运行可靠性，降低机组运行及维护成本，本文利用风电场多年积累的海量历史运行数据，针对风电机组传动系统提出一种基于数据挖掘的故障预警方法。通过故障预警可以有效减少设备发生故障的次数，避免重大故障的发生，同时提前安排合理的检修计划，有利于提高设备的可靠性，也为实现基于状态的检修奠定基础。风电机组传动系统是风能转换的关键系统，其中齿轮箱是造成机组故障停机时间最多的部件之一，风电机组齿轮箱因其运行环境的特殊性，且处于高空，不利于检测和维修，这就要求对风电机组齿轮箱这一重要系统进行在线状态监测，以便能够时刻了解齿轮箱的运行状态和潜在故障。本文以风电机组传动系统中的齿轮箱为研究对象，开展主要研究工作如下：
　　首先，介绍了当前国内外风电机组的运维现状，分析了风电运维所面临的机遇和挑战，介绍了针对提高风电机组可靠性、降低运维成本的研究进展和未来发展趋势。
　　其次，概述了风电机组工作原理，主要包括风电机组的基本结构、传动系统常见故障、齿轮箱的基本结构以及故障机理等。然后介绍了风电场数据采集与监视控制系统（supervisorycontrolanddataacquisition，SCADA）的基本结构和数据采集参数。对故障预警方法做了简单总结与比较，针对风电场现有条件，研究了基于SCADA系统数据挖掘的方法对风电机组进行故障预警。
　　本文采用基于SCADA系统数据挖掘的方法对风电机组进行故障预警，对SCADA系统历史数据进行预处理，选取与齿轮箱相关的特征运行参数，采用聚类分析的方法将正常运行数据进行分类，构建齿轮箱健康模型库。然后通过现场采集的实时数据，基于非线性状态估计（nonlinearstateestimatetechnology，NSET）对实时数据进行预测，得到系统的预测值，计算预测值与实际值的残差，通过滑动窗口统计残差，设置故障预警触发规则，当残差超过设定阈值时，系统给出故障预警提示，同时可以查询故障预警原因，为故障消缺提供参考依据。
　　最后，通过实例对本文基于数据挖掘建立的健康评价模型进行验证，结果表明该方法能够及时有效的发现风电机组齿轮箱的潜在故障，并提前给出故障预警。
　　本文研究成果可集成于风电场原有SCADA系统上，为实现风电机组实时在线的状态评价和故障预警奠定基础，为风电场基于状态的维修提供参考。

目录

封面

声明

中文摘要

英文摘要

目录

第1章 绪 论

1.1 课题背景及研究意义

1.2 风电机组传动系统故障预测的研究现状

1.3 课题研究的主要内容

1.4 本章小结

第2章 风力发电机组及运行状态评价方法概述

2.1 风力发电机组概述

2.2 SCADA系统概述

2.3 基于数据的运行状态评估方法简介

2.3 本章小结

第3章 基于数据挖掘的建模方法

3.1 建模数据预处理

3.2 相似性原理

3.3 非线性状态估计建模方法

3.4 聚类分析

3.5 本章小结

第4章 齿轮箱故障预警模型的建立

4.1 齿轮箱故障预警模型建立

4.2 预警模型实例验证

4.3 本章小结

第5章 结论和展望

5.1 结论

5.2 展望

参考文献

攻读硕士学位期间发表的论文及其它成果

致谢