风力机桨距系统故障诊断方法研究

作     者：翟艳杰 

作者单位：江南大学 

学位级别：硕士

导师姓名：吴定会

授予年度：2016年

学科分类：080801[工学-电机与电器] 0808[工学-电气工程] 08[工学] 

主      题：风力机 桨距系统 故障诊断 多新息卡尔曼滤波 系统辨识 

摘      要：风能是世界上增长最快的清洁可再生能源。然而受地理环境条件限制,风电场多建在沙漠、海上等资源丰富但环境恶劣的地区,导致风力机易发生故障,对风力发电机组的安全运行造成严重威胁,影响风电系统稳定性甚至导致系统停机。将故障诊断技术应用于风力发电系统中,能够及时发现故障并进行处理,避免故障传播引起更严重的后果。桨距系统是风力机的重要组成部分。当风速的大小处于额定风速和切出风速之间的时候,风力机桨距系统会调整桨距角的大小值,从而调整所捕获风能的功率,保证风电机组输出功率的恒定。当桨距系统发生故障后,其动态响应速度受到限制,将会造成风电机组输出功率不稳定。本课题研究风力机桨距系统的故障诊断,主要研究的工作内容有:通过对复杂的风力发电机组的简化,对风电机组的关键部件风速、气动系统、传动系统、发电机、变流器、塔座和桨距系统分别建立模型。同时针对桨距执行器的油液空气含量高、液压泄漏和泵磨损故障建立故障模型。针对风力机桨距角传感器输出偏移故障,提出采用基于多新息卡尔曼滤波算法的故障诊断方法。根据风力机机械结构特点,将桨距角的变化与风力机塔受力产生的微小位移建立对应关系,采用多新息卡尔曼滤波算法减小传感器输出信息中的噪声,得到较为精确的风力机塔微小位移估计值。从而由微小位移的变化检测出故障是否产生,并依据位移变化大小估算角度偏移量。针对风力机桨距角传感器输出为定值或者输出按比例缩放故障,提出基于多新息观测器的故障诊断方法。通过比较桨距系统输出的状态估计量和实际桨距系统输出理论值得到残差,根据残差实现桨距角传感器故障的诊断。针对风力机桨距执行器故障,提出采用基于观测器的多新息随机梯度辨识算法的故障诊断方法。根据桨距执行器故障会引起系统参数变化的特点,将桨距执行器模型转化成可辨识的状态空间模型,故障诊断问题转换为系统参数辨识问题。本论文分别采用基于多新息卡尔曼滤波算法、基于多新息观测器算法和基于观测器的多新息随机梯度辨识算法分别针对风力机桨距系统中桨距角传感器和桨距执行器故障进行诊断研究,并在所搭建的风力机基准模型中,仿真验证了所提出方法的有效性。