风电齿轮箱油温超限是风力发电场中发生频率较高的故障。针对该问题,在分析风电齿轮箱结构、运行控制策略的基础上,研究了风电齿轮箱内部及其外循环冷却系统的热力学行为,构建了风电齿轮箱热网络模型。该模型中,各节点温度由所建立的瞬...风电齿轮箱油温超限是风力发电场中发生频率较高的故障。针对该问题,在分析风电齿轮箱结构、运行控制策略的基础上,研究了风电齿轮箱内部及其外循环冷却系统的热力学行为,构建了风电齿轮箱热网络模型。该模型中,各节点温度由所建立的瞬态温度和稳态温度热力学方程组计算确定。结合风电齿轮箱的热力学行为,研究了热力学方程组中热量计算模型和热交换中节点间的热阻计算方法,形成了风电齿轮箱热网络模型计算流程。应用热网络模型及其计算流程,仿真计算了某1.5 MW风电齿轮箱实际工况下的齿轮箱油温、高速级HSS-A B C轴承温度和齿轮箱入口油温。对比了仿真计算值和实测值,结果表明热网络模型应用于风电齿轮箱油温超限具有有效性。计算值和实测值的误差分析也为进一步精细建模提供了方向。展开更多
文摘针对风电机组齿轮箱油温趋势预测中存在的信号非线性、多变量相关、各相关变量之间存在数据冗余等问题,同时为了克服人工神经网络离线训练的不足,该文提出了一种基于主成分分析（principal component analysis,PCA）和动态神经网络的齿轮箱油温趋势预测模型,并结合统计过程控制（statistical process control,SPC）实现该模型在线学习能力。确定影响油温变化的相关变量集,利用PCA消除相关变量间的数据冗余,采用有外部输入的非线性自回归动态神经网络（nonlinear autoregressive with external input,NARX）对油温和相关变量集进行建模,采用考虑残差分布规律的SPC方法控制模型在线学习行为。实际应用结果表明：该方法具有较高的稳定性和准确度,能够有效实现油温趋势预测。
文摘风电齿轮箱油温超限是风力发电场中发生频率较高的故障。针对该问题,在分析风电齿轮箱结构、运行控制策略的基础上,研究了风电齿轮箱内部及其外循环冷却系统的热力学行为,构建了风电齿轮箱热网络模型。该模型中,各节点温度由所建立的瞬态温度和稳态温度热力学方程组计算确定。结合风电齿轮箱的热力学行为,研究了热力学方程组中热量计算模型和热交换中节点间的热阻计算方法,形成了风电齿轮箱热网络模型计算流程。应用热网络模型及其计算流程,仿真计算了某1.5 MW风电齿轮箱实际工况下的齿轮箱油温、高速级HSS-A B C轴承温度和齿轮箱入口油温。对比了仿真计算值和实测值,结果表明热网络模型应用于风电齿轮箱油温超限具有有效性。计算值和实测值的误差分析也为进一步精细建模提供了方向。
