《海上風力發電機組智慧型健康診斷與機會維護技術》是依託上海電力大學，由鄭小霞擔任項目負責人的青年科學基金項目。
基本介紹
- 中文名：海上風力發電機組智慧型健康診斷與機會維護技術
- 項目類別：青年科學基金項目
- 項目負責人：鄭小霞
- 依託單位：上海電力大學
項目摘要,結題摘要,
項目摘要
風電開發正逐漸由陸地向海上延伸，海上風電已成為世界可再生能源發展的熱點。海上氣候環境惡劣，機組維護困難，故障率高，隨著海上風電比例的上升和單機容量的增大，對系統安全、可靠、穩定運行的要求越來越高。健康診斷和機會維護技術是近年來風力發電與系統工程交叉學科中發展迅速的重要研究領域之一。本項目突破以往機組故障發生後再診斷的處理方法，著重研究海上風電機組運行中基於數據、故障機理分析和經驗知識的智慧型健康診斷以及基於運行狀態健康評價的機會維護技術。為此，針對海上風電機組的特點，集成多學科理論方法和技術，在面向海上風電機組複雜工況數據預處理、變速環境下運行特徵信息的提取與識別、基於運行工況辨識的海上風電機組健康狀態智慧型評價以及考慮可及性的海上風電機組預防性機會維護技術等方面探索新方法，研發先進、實用的海上風電機組健康診斷和機會維護關鍵技術，在提高風機安全性的同時，有效降低海上風電的成本。
結題摘要
本項目緊密結合海上風電場的運行維護現狀，從提高海上風力發電機組的安全性、降低其運行維護成本的需求出發，綜合套用人工智慧、信號處理、建模與模式分類識別等技術與方法，研究開發海上風電機組智慧型健康診斷和機會維護等關鍵技術。具體內容包括：（1）研究了面向複雜工況的海上風電機組數據預處理，構造了基於多結構元素的多尺度形態濾波方法，考慮結構元素形狀和尺度的影響，用信噪比和偏斜度構建判別消噪效果的指標。將核主元分析法與正交化局部敏感判別分析相結合進行海上風電機組大數據降維，並引入差分最佳化算法對KPCA中的核參數進行最佳化處理。（2）研究了基於改進微分經驗模式分解和獨立分量分析的海上風電機組早期故障特徵提取，利用改進的微分經驗模式算法將原始振動信號分解成若干個獨立的IMF信號，結合ICA進行原始振動信號故障特徵分量的提取。基於變分模態分解和排列熵進行信號特徵提取，組成多尺度的複雜性度量特徵向量，並將高維特徵向量輸入基於支持向量基建立的分類器進行故障識別分類。（3）結合類別可分性，利用KPCA進行特徵提取後，套用模糊C-均值聚類建立運行工況分類模型，針對每一個工況子空間建立相應的基於高斯混合模型的機組運行健康狀態評價模型，定義健康度為評價指標，量化運行健康狀態的評價結果，並設定自適應報警閾值。（4）採用小波變換提取表征不同風速規律的特徵信號，並分別利用自回歸滑動平均模型和用果蠅算法進行改進的支持向量機對風速進行預測。結合海上風電機組的風速數據，通過粒子群算法對可及性鬆弛因子進行最佳化，得到各部件的機會維護閾值。 通過本項目的研發，發表和錄用了19篇學術論文，申請了2項國家發明專利，培養了5名碩士研究生。本項目已按要求完成了相關研究內容，達到了預期的研究目標。
