基于回归分析的风机主要部件的故障预测方法研究

摘要

在风力发电技术迅猛发展的同时，高昂的维修费用成为影响其经济性的重要因素之一。目前，对风电机组运行状况缺乏先验性的了解，被动、滞后的维修措施对机组安全、稳定、经济运行十分不利，主要部件的故障往往造成整个机组长时间的停机。因此，对机组进行状态监测，实时地掌握机组主要部件的运行信息以便可以及时发现潜在的故障隐患，对风电场特别是有很大发展潜力的海上风电场具有重要的实用意义。本文基于现场易得到的监测信息，针对传动系统的主要部件进行故障预测方法研究，取得的研究成果如下:
　　 部件温度信息可以反映其运行状态，故首先建立被监测部件在正常运行状态下的线性回归温度预测模型进行温度预测，当部件出现异常时，温度信息偏离正常状态，采用正常情况下的预测模型所得的残差分布特性发生改变，也即残差信息在一定程度上指示了部件的运行状态。将所得预测残差信息作为输入，提出能够更准确、清晰地反映部件运行状态是否偏离正常范围的判别函数来进行故障预测，判别函数值越过设定门槛值即判定部件存在异常，发出警报提示工作人员检查设备，防止故障或严重事故的发生。
　　 为提高故障预测结果的准确度，故障预测算法的输入—温度预测残差必须尽量准确反映部件实际运行状态和正常状态之间的偏差，也即温度预测模型的预测精度必须较高。为此，建立被监测部件正常运行状态下的非线性回归温度预测模型，将相关温度的二次项和交互项考虑进模型。把采用非线性模型所得残差作为输入与采用线性模型所得残差作为输入的两种故障预测方法对比，验证非线性模型更高的精度及两种方法预测结果的一致性。
　　 回归分析模型考虑了相关测点的温度对预测温度的影响，但未将预测时刻之前进入系统的干扰因素考虑进去，为弥补此弱点，可建立被监测部件正常运行状态下的自回归滑动平均模型(ARMA)。针对风电机组传动系统主要部件，将ARMA模型温度预测残差作为输入信息，提出基于休哈特控制图算法的另一种故障预测新方法。该算法较之前一种预警算法在线计算量小、更为简单明了，且仿真结果验证了两种方法预测结果的一致性。
　　 将上述所提方法在北方某风场实验机组上进行仿真计算，所得结果验证了各方法的有效性。

目录

声明

摘要

第1章 绪论

1．1 选题背景及其意义

1．2 风力发电国内外发展现状

1．3 风电机组故障预测技术国内外研究现状

1．3．1 国外研究现状

1．3．2 国内研究现状

1．4 本文主要工作

第2章 风电机组主要部件故障类型与故障预测

2．1 风电机组主要部件的故障类型

2．1．1 齿轮箱常见故障类型

2．1．2 轴承常见故障类型

2．1．3 其它主要部件常见故障类型

2．2 故障预测

2．2．1 常见的风电机组状态监测参数

2．2．2 故障预测技术

2．3 本章小结

第3章 基于多元线性回归模型的故障预测

3．1 多元线性回归分析数学模型

3．1．1 变量间的统计关系

3．1．2 多元线性回归分析

3．1．3 多元线性回归模型的参数估计

3．1．4 多元线性回归模型的假设检验

3．2 基于温度数据的部件温度预测与故障预警方法

3．2．1 主轴承和齿轮箱的温度建模与预测

3．2．2 基于温度预测模型的故障预警算法

3．3 实例分析

3．3．1 主轴轴承的故障预警仿真分析

3．3．2 齿轮箱的故障预警仿真分析

3．4 本章小结

第4章 基于多元非线性回归分析的故障预测

4．1 多元非线性回归分析模型

4．2 风电机组传动系统非线性模型温度预测与故障预测算法

4．3 非线性模型与线性模型温度预测精度对比

4．4 传动系统故障预警实例分析

4．4．1 正常运行情况下传动系统数据分析

4．4．2 异常运行情况下的传动系统故障预警实例分析

4．5 本章小结

第5章 基于ARMA模型的休哈特控制图故障预测

5．1 ARMA(p，g)模型

5．1．1 时间序列分析方法简介

5．1．2 自回归移动平均过程ARMA(p，q)模型

5．1．3 ARMA模型的识别、参数估计和诊断检验

5．2 基于温度数据的风机传动系统故障预警算法

5．2．1 传动系统主要部件温度预测模型

5．2．2 休哈特控制图故障预警算法

5．3 传动系统故障预警算例分析

5．3．1 正常运行情况下传动系统的数据分析

5．3．2 异常运行情况下传动系统故障预警分析

5．4 本章小结

第6章 结论与展望

6．1 结论

6．2 展望

参考文献

攻读硕士学位期间发表的论文

攻读硕士学位期间参与的科研项目

致谢

作者简介