风电场的风速预测与主轴故障诊断

摘要

风电场的风速和主轴的故障信号是在线监测系统的监测信号,风速对风电场的发电量有着决定的关系,也直接影响风电场的调度；主轴的故障将导致机械传动链故障,主轴故障严重时风力发电机组将直接停机。本文主要讲述了风电场风速的预测和主轴的故障诊断,采用时间序列法对某电场的24小时数据进行短期风速预测,通过AR、ARIMA模型对预测风速结果进行比较；利用小波变换对CWRU Bearing TestData Center实验数据进行故障诊断,根据已计算出故障频率较好诊断主轴故障。

目录

文摘

英文文摘

第一章 引言

1.1 选题背景及意义

1.2 国内外研究现状

1.2.1 风速预测

1.2.2 振动故障诊断

1.3 本文研究内容

第二章 时间序列

2.1 时间序列的分析概述

2.2 ARMA时间序列

2.2.1 白噪声时间序列

2.2.2 AR(Auto regressive)自回归模型气化影响因素分析

2.2.3 MA(Moving Average)移动平均模型

2.2.4 ARMA(Auto Regressive Moving Average)模型

2.2.5 ARIMA(Autoregressive Integrated Moving Average)模型

2.3 检验数据的平稳性

2.4 时间序列模型结构识别与定阶方法

2.4.1 AR(p)模型的定阶

2.4.2 ARMA(p,q)模型的定阶

第三章 时间序列在风速预测上的应用.

3.1 风速时间序列

3.2 风速时间序列的预处理

3.2.1 提取序列

3.2.2 ARMA(p,q)平稳性

3.3 风速预测模型的识别、定阶及参数的确定

3.3.1 AR(p)模型

3.3.2 ARIMA(p,d,q)模型

3.4 风速预测

3.4.1 基于模型AR(3)的风速预测

3.4.2 基于模型ARIMA(6,5,1)的风速预测

3.5 模型检验与预测结果

3.5.1 模型检验

3.5.2 不同模型的预测效果比较

第四章 小波分析的基本理论

4.1 小波变换概述

4.2 时间一频率局域化分析

4.3 小波分析理论

4.3.1 连续小波变换

4.3.2 离散小波变换

4.4 小波分解与重构

4.4.1 多分辨分析

4.4.2 正交小波基的构造

4.4.3 离散小波分解与重构

4.4.4 常用小波函数

第五章 风力发电机组主轴的故障诊断

5.1 风力发电机组的丰轴故障

5.2 小波时间序列分析主轴的故障

5.2.1 轴承的内圈故障

5.2.2 轴承的外圈故障

5.2.3 轴承的滚动体故障

5.3 小结

第六章 结论与展望

参考文献

致谢

在校期间发表的学术论文和参加科研情况