风电机组常年在复杂工况下连续运行,机组对设备的可靠性等方面有很高的要求,齿轮箱重要部件的损伤和失效都会直接或间接导致机组停机,从而导致计划外的更换和维护成本。利用MSET(Multivariate State Estimation Technique)方法对风电机...风电机组常年在复杂工况下连续运行,机组对设备的可靠性等方面有很高的要求,齿轮箱重要部件的损伤和失效都会直接或间接导致机组停机,从而导致计划外的更换和维护成本。利用MSET(Multivariate State Estimation Technique)方法对风电机组的齿轮箱轴温进行状态估计,得出齿轮箱轴温的估计值。然后利用滑动窗口残差统计方法对齿轮箱轴温的估计值和实际值的残差进行分析,残差均值能显示出齿轮箱轴温的实时运行状态,当残差均值曲线超出设定的阈值区间时,系统开始预警,表明设备运行异常。仿真结果表明基于MSET方法的风电机组齿轮箱预警系统能够实时监测机组齿轮箱的运行状态。展开更多
风电机组状态监测对于风电场特别是海上风电场降低维护成本,提高运行水平具有重要的实用价值。采用温度趋势分析的方法对风电机组齿轮箱的运行状态进行监测。利用非线性状态估计(nonlinear state estimate technology,NSET)方法建立齿...风电机组状态监测对于风电场特别是海上风电场降低维护成本,提高运行水平具有重要的实用价值。采用温度趋势分析的方法对风电机组齿轮箱的运行状态进行监测。利用非线性状态估计(nonlinear state estimate technology,NSET)方法建立齿轮箱正常工作状态下的温度模型并用其进行温度预测。通过合理构造过程记忆矩阵,使模型覆盖齿轮箱的正常工作空间。当齿轮箱工作异常时,其动态特性偏离正常工作空间,NSET温度模型预测残差的分布特性发生改变。采用滑动窗口方法实时计算残差的统计分布特性,当残差的均值或标准差的置信区间超出预先设定的阈值时,发出报警信息,提示运行人员检查设备状态。为模拟齿轮箱的故障情况,在机组数据采集与监视控制系统(supervisory control anddata acquisition,SCADA)数据中加入人为温度偏移。通过对该模拟故障的分析,新的状态监测方法能够及时发现齿轮箱的异常状态,达到实时在线状态监测的目的。展开更多
风电机组的故障诊断是大型风电场运行中亟待解决的问题。由于风力发电的特殊性,大部分风电场都是在边远地区,风机与风机之间的距离更高,不能像火电或水电等设施,以方便检查,因此如何实现故障诊断的风力发电机组设备的状态是特别重要的...风电机组的故障诊断是大型风电场运行中亟待解决的问题。由于风力发电的特殊性,大部分风电场都是在边远地区,风机与风机之间的距离更高,不能像火电或水电等设施,以方便检查,因此如何实现故障诊断的风力发电机组设备的状态是特别重要的。本文利用多变量状态估计(Multivariate State Estimation Technique)方法对齿轮箱的温度进行状态监测,通过对设备正常工作状态下的历史数据进行学习,对系统各个参数之间的关系进行定义,通过相关性分析来建立正常运行状态下多个相关变量间的内在非线性模型。然后,利用滑动窗口的统计方法,计算残差均值,当平均值曲线超出阈值范围时,设备运行异常。展开更多
文摘风电机组常年在复杂工况下连续运行,机组对设备的可靠性等方面有很高的要求,齿轮箱重要部件的损伤和失效都会直接或间接导致机组停机,从而导致计划外的更换和维护成本。利用MSET(Multivariate State Estimation Technique)方法对风电机组的齿轮箱轴温进行状态估计,得出齿轮箱轴温的估计值。然后利用滑动窗口残差统计方法对齿轮箱轴温的估计值和实际值的残差进行分析,残差均值能显示出齿轮箱轴温的实时运行状态,当残差均值曲线超出设定的阈值区间时,系统开始预警,表明设备运行异常。仿真结果表明基于MSET方法的风电机组齿轮箱预警系统能够实时监测机组齿轮箱的运行状态。
文摘风电机组状态监测对于风电场特别是海上风电场降低维护成本,提高运行水平具有重要的实用价值。采用温度趋势分析的方法对风电机组齿轮箱的运行状态进行监测。利用非线性状态估计(nonlinear state estimate technology,NSET)方法建立齿轮箱正常工作状态下的温度模型并用其进行温度预测。通过合理构造过程记忆矩阵,使模型覆盖齿轮箱的正常工作空间。当齿轮箱工作异常时,其动态特性偏离正常工作空间,NSET温度模型预测残差的分布特性发生改变。采用滑动窗口方法实时计算残差的统计分布特性,当残差的均值或标准差的置信区间超出预先设定的阈值时,发出报警信息,提示运行人员检查设备状态。为模拟齿轮箱的故障情况,在机组数据采集与监视控制系统(supervisory control anddata acquisition,SCADA)数据中加入人为温度偏移。通过对该模拟故障的分析,新的状态监测方法能够及时发现齿轮箱的异常状态,达到实时在线状态监测的目的。
文摘风电机组的故障诊断是大型风电场运行中亟待解决的问题。由于风力发电的特殊性,大部分风电场都是在边远地区,风机与风机之间的距离更高,不能像火电或水电等设施,以方便检查,因此如何实现故障诊断的风力发电机组设备的状态是特别重要的。本文利用多变量状态估计(Multivariate State Estimation Technique)方法对齿轮箱的温度进行状态监测,通过对设备正常工作状态下的历史数据进行学习,对系统各个参数之间的关系进行定义,通过相关性分析来建立正常运行状态下多个相关变量间的内在非线性模型。然后,利用滑动窗口的统计方法,计算残差均值,当平均值曲线超出阈值范围时,设备运行异常。
