检索结果-南通市图书馆

风轮不平衡的风电机组机械振动信号频域特性分析

同方期刊数据库评论

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

可再生能源 2022年第9期40卷 1202-1208页

作者：秦思远李峥峰中广核新能源控股有限公司北京100071

风轮的平衡性直接影响到风电机组的安全运行和发电效率。为分析风轮不平衡对风电机组振动的影响,文章在GH Bladed中搭建了3 MW风电机组模型,仿真得到了正常和不平衡工况下的机舱振动加速度信号,并引入快速傅里叶变换和小波分解的方法将... 详细信息

风轮的平衡性直接影响到风电机组的安全运行和发电效率。为分析风轮不平衡对风电机组振动的影响,文章在GH Bladed中搭建了3 MW风电机组模型,仿真得到了正常和不平衡工况下的机舱振动加速度信号,并引入快速傅里叶变换和小波分解的方法将原始信号转换为频域信号和频域细节信号,并对比其频域特性。对比结果显示,不平衡工况下机舱振动加速度在风轮1倍转频处的幅值明显增大,细节信号的幅值和波动程度也有所增加,而气动不平衡的影响较质量不平衡更为严重。分析结果表明,机舱振动加速度信号可作为风轮不平衡故障的判别依据。

关键词：风电机组风轮不平衡信号处理频域分析故障诊断

基于卷积神经网络的风电机组风轮不平衡故障识别方法研究

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

基于卷积神经网络的风电机组风轮不平衡故障识别方法研究

作者：张新宇沈阳工业大学

学位级别：硕士

风场一般建设在偏远、环境恶劣的地方,风电机组在运行过程中不可避免的会出现叶片覆冰、桨距角偏差等风轮不平衡故障现象,如能及时发现和处理,可避免风电机组寿命耗损以及减少经济损失。因此,本文围绕风电机组风轮不平衡故障识别问题展... 详细信息

风场一般建设在偏远、环境恶劣的地方,风电机组在运行过程中不可避免的会出现叶片覆冰、桨距角偏差等风轮不平衡故障现象,如能及时发现和处理,可避免风电机组寿命耗损以及减少经济损失。因此,本文围绕风电机组风轮不平衡故障识别问题展开研究,基于机舱振动信号时频数据集与卷积神经网络,搭建风轮不平衡故障识别模型。具体研究内容如下:基于风电机组运行原理,在GH-Bladed仿真软件中搭建某型3MW风电机组模型。采用短时傅里叶变换、小波变换两种时频分析方法,对比分析两种方法的特征表达效果,选择小波时频变换方法为后续信号特征分析提供依据。研究风轮不平衡机舱振动信号特征,在模型中设置叶片质量不平衡2%、气动不平衡4°等不平衡故障工况,采用了时域、频域、时频域信号分析方法。时域方面,将几种工况的仿真结果与正常工况下机舱振动信号对比,得到故障时信号时域变化特征。频域方面,通过小波能量谱分析方法对比正常信号与故障信号第1频带能量占比变化情况,得到故障时信号频域特征。时频域方面,采用了小波时频变换方法,此方法将时域和频域故障特征联合反应,更加全面的表现信号特征,因此,基于机舱振动信号时频图制作数据集。针对风轮不平衡故障识别问题。通过对比不同卷积层数、卷积核大小和激活函数对模型的影响,搭建了基于4层卷积层、3×3大小卷积核以及Relu激活函数的卷积神经网络风轮不平衡故障识别模型。经测试表明,模型准确率可达到96.81%。然后对卷积核尺寸以及激活函数改进,改进后模型准确率提高了2%。最后用未经降噪处理的正常运行工况样本、气动不平衡工况样本和质量不平衡工况样本分别对未改进模型和改进后模型进行测试。结果表明,优化后模型对多工况的识别能力最好。

关键词：风电机组风轮不平衡故障诊断小波分析卷积神经网络

基于正向推理的风电机组风轮不平衡智能故障诊断研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于正向推理的风电机组风轮不平衡智能故障诊断研究

作者：李泽沈阳工业大学

学位级别：硕士

风电机组不良运行状态的发生会导致机组运行性能下降,影响机组在役寿命。风轮不平衡已成为不可忽视的故障,其早期故障诊断将有效阻止故障恶化,维持机组健康。旋转机械的周期运动规律使振动信号更适用于故障诊断,本文使用机舱振动信号对... 详细信息

风电机组不良运行状态的发生会导致机组运行性能下降,影响机组在役寿命。风轮不平衡已成为不可忽视的故障,其早期故障诊断将有效阻止故障恶化,维持机组健康。旋转机械的周期运动规律使振动信号更适用于故障诊断,本文使用机舱振动信号对风轮不平衡特性进行正向推理研究,建立多种类型信号数据库,提取风轮不平衡故障特征,建立样本集并结合智能故障诊断方法对故障进行诊断。具体研究内容如下:基于气动原理、传动原理和振动原理,以实际3MW直驱风电机组为参考,在GH-Bladed仿真软件中建立风电机组模型。采用时域分析和频域分析相结合的方法对信号进行分析,将变分模态分解(Variational Mode Decomposition,VMD)和经验模态分解(Empirical Mode Decomposition,EMD)用于故障特征的提取。在受力分析中对风轮不平衡故障发生的机理进行推理,在模型中以恒风速为输入从不同方向、不同风速和不同风轮不平衡程度进行单因素实验,并结合时域和频域中振动信号的波动特征对风轮不平衡特性进行分析。为模拟实际风电机组运行工况,以湍流和风切变下的等效风速进行输入。风轮不平衡故障特征体现在风轮转频一倍频处,等效风速特征体现在风轮转频三倍频和五倍频处,采用变分模态分解和经验模态分解对风轮不平衡故障特征进行提取,所提取故障特征可作为智能故障诊断模型的输入。智能故障诊断领域中,本文采用善于处理一维向量数据的长短时记忆神经网络(Long Short-Term Memory,LSTM)作为诊断工具。根据本文故障特征提取的过程分别建立原始信号数据库、变分模态分解故障分量数据库和经验模态分解故障分量数据库,按照训练集和测试集成一定比例制作供于神经网络输入的样本集,以两种故障分量样本集分别输入神经网络进行训练和测试并与两种故障分量组合样本集进行训练和测试后进行效果对比,后者达到的准确率更高,选取两种故障类型进行故障诊断实验并对结果进行分析,建立基于VMD-EMD-LSTM的智能故障诊断模型,该模型可实现对风轮不平衡早期的多类型故障诊断。

关键词：风电机组风轮不平衡故障特征提取智能故障诊断长短时记忆神经网络

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

风轮不平衡特性分析与故障诊断方法研究

风轮不平衡特性分析与故障诊断方法研究

作者：赵凯沈阳工业大学

学位级别：硕士

风轮系统是风电机组进行能量转换的重要部分,其运行稳定性直接关系到风电机组的安全和效率,还会影响风电机组的发电量和发电质量。随着海上风电技术不断发展,使风电机组输出功率变得更大,塔架更高,叶片更长,而且海上风电机组运行环境更... 详细信息

风轮系统是风电机组进行能量转换的重要部分,其运行稳定性直接关系到风电机组的安全和效率,还会影响风电机组的发电量和发电质量。随着海上风电技术不断发展,使风电机组输出功率变得更大,塔架更高,叶片更长,而且海上风电机组运行环境更复杂,因此由质量不平衡、气动不平衡引起的风轮不平衡故障成为了威胁风电机组安全运行,影响风电机组性能的严重问题。因此,研究风轮不平衡特性及故障诊断方法来对其故障进行早期预警及故障诊断具有实用价值。针对风电机组风轮不平衡问题,本文根据空气动力学和结构动力学相关知识对风轮不平衡状态下的风电机组进行了载荷分析,推导了风轮不平衡对发电功率、风轮转速、输出转矩、风电机组振动和发电机电流的影响。基于Bladed搭建了3MW风电机组模型,并进行了风轮不平衡仿真分析,仿真包括等效不平衡质量块大小、不平衡质量块距轮毂中心距离、不平衡质量块初始位置角、单叶片桨距角偏差四个不平衡变量,分为5组对照,分析验证了不平衡变量对风电机组性能的影响,结果表明质量不平衡主要造成功率波动,引起较严重的机舱水平振动和扭转振动;气动不平衡主要使发电功率下降,引起机舱较严重的轴向振动。通过对基于正则化的动态载荷反求方法的研究,提出了一种基于正则化的风轮不平衡故障诊断方法,建立了该方法对风轮不平衡故障诊断流程,并对该方法进行了实用性验证。结果表明该方法能够比较准确的定位故障的位置和程度,并且在有噪声影响的情况下还能保持比较好的准确性。

关键词：风电机组风轮不平衡质量不平衡气动不平衡故障诊断

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

风轮不平衡特性分析与反向推理故障诊断研究

风轮不平衡特性分析与反向推理故障诊断研究

作者：张璠沈阳工业大学

学位级别：硕士

为了应对全球气候变化问题,风力发电行业作为新能源发电的最重要组成部分,在最近几十年中发展迅猛。目前,风电机组不断朝着大型化发展,单机发电容量已经达到10MW以上,机组体积也随之变大。风轮作为风电机组的动力来源,大容量机组的风轮... 详细信息

为了应对全球气候变化问题,风力发电行业作为新能源发电的最重要组成部分,在最近几十年中发展迅猛。目前,风电机组不断朝着大型化发展,单机发电容量已经达到10MW以上,机组体积也随之变大。风轮作为风电机组的动力来源,大容量机组的风轮直径已超过百米,由于风电机组运行环境比较恶劣,可能会出现叶片覆冰等导致风轮不平衡的情况出现,如果不能及时发现并处理,便有可能造成机组损伤或者经济损失。因此,针对风电机组风轮不平衡开展特性分析和故障诊断研究,及时发现故障所在,便可以保障风电机组的安全平稳运行。本文首先根据风电机组气动理论、传动结构以及振动形式等理论基于GH Bladed仿真软件搭建某3MW风电机组仿真模型,按照风轮不平衡故障类型对仿真机组模型设置包括风轮质量不平衡10%在内的八种运行工况,采集风电机组仿真信号数据。随后以风电机组叶片载荷信号和塔筒顶部载荷信号为例详细分析风轮不平衡不同工况下的机组信号时域特性,可知风轮气动不平衡故障对风电机组的影响在机组信号时域特性的表现要比质量不平衡故障更加明显,而风轮耦合不平衡故障时机组信号的时域特性表现近似于气动不平衡故障,但对机组的影响要比后者更加严重;以机舱振动信号为例,基于快速傅里叶变换和小波分解算法,详细分析各工况下的机组信号频域特性,可知无论是风轮质量、气动还是耦合不平衡故障发生时,机组频域信号的振幅均会明显的增大或减小,故障特性明显,并且通过分解后的细节频域信号可以对同种不平衡故障加以详细区分。并给出其它十种机组各部位信号的时域和频域特性表现。通过对多种机组信号的时域和频域特性分析结果可得,风轮不平衡故障对机组各部位的影响程度不同,各部位对应机组信号的时域或频域特性表现也有所差别。因此,可以选择具有明显时域或频域特性的机组信号作为风轮不平衡故障诊断的判别依据。最后基于粒子群算法优化支持向量机（Particle Swarm Optimization-Support Vector Machine,PSO-SVM）搭建风电机组风轮不平衡故障诊断算法,选择举例故障工况下具有明显信号特性的机组信号提取故障特征向量,作为训练样本对故障诊断算法训练分类,得到对应故障类型的检测样本,同时验证故障诊断准确率;利用与故障类型近似不平衡工况下的对应信号作为诊断样本,验证了该故障诊断算法的反向推理故障诊断能力。

关键词：风电机组风轮不平衡故障诊断信号分析支持向量机

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

风电机组风轮气动不平衡故障建模及影响分析

电力系统装备 2019年第7期 105-106页

作者：赵凯厉伟赵丽军沈阳工业大学电气工程学院辽宁沈阳110870

在对风轮气动不平衡的建模理论进行简要介绍后,本文综合描述了风轮气动不平衡对风电机组性能的影响,根据受力分析了气动不平衡对风电机组功率、输出转矩、风轮转速的影响。分析结果表明气动不平衡会使发电功率、输出转矩、风轮转速明显... 详细信息

在对风轮气动不平衡的建模理论进行简要介绍后,本文综合描述了风轮气动不平衡对风电机组性能的影响,根据受力分析了气动不平衡对风电机组功率、输出转矩、风轮转速的影响。分析结果表明气动不平衡会使发电功率、输出转矩、风轮转速明显降低,随着不平衡程度的增大在额定风速附近还会出现明显的波动。说明气动不平衡既能影响风电机组的发电量还能降低风电机组的发电质量,因此对机组气动不平衡故障进行早期诊断和故障预警是很有必要的。

关键词：风电机组风轮不平衡风轮气动不平衡风电机组性能影响