風電場設備狀態監測與預警

《風電場設備狀態監測與預警》是依託清華大學，由蔣東翔擔任項目負責人的聯合基金項目。

基本介紹

• 中文名：風電場設備狀態監測與預警
• 依託單位：清華大學
• 項目負責人：蔣東翔
• 項目類別：聯合基金項目

項目摘要

風電場設備的狀態監測與預警，對提高風力發電機組的運行可靠性，實現狀態維修，降低維護成本有著重要意義。本項目擬從研究風力發電機組的退化機理入手，研究風力機組的建模方法及退化模型，為機組的狀態監測與預警提供理論基礎。針對風力發電機組系統複雜，參數繁多的特點，研究風力發電機組感測器最佳化布設，採用多源監測數據融合方法，獲得機組運行狀態的準確信息。研究風力發電機組狀態多尺度數據分析方法，確定敏感參數，達到最最佳化的監控目的。針對風力發電機組故障發生、發展過程的特點，研究趨勢演化預警的理論方法與技術問題，研究適用於風力發電機組的趨勢預警算法和預測診斷方法。在此基礎上研究預警和預測診斷結果的可靠性和不確定性，提出預警和預測診斷的評估方法，建立風力發電機組預警和預測診斷可靠性評價體系，構建完整的預警和預測診斷模型，為最終建立風電場設備遠程狀態監測與預警系統奠定基礎。

結題摘要

本項目就風電場設備故障和退化機理、狀態監測與故障診斷方法、預警和預測診斷方法、預測診斷性能評價、風力機智慧型故障診斷系統研究與開發五個方面展開研究工作。在風電場設備故障和退化機理研究方面，利用理論建模方法和系統辨識方法，建立了風力發電機組的數學模型。建立了塔架和葉片的有限元模型，分析了塔架和葉片的模態。利用GH Bladed軟體和有限元方法，對風力發電機組的正常工況、質量不平衡故障、槳距角故障、葉片結冰故障、偏航故障進行時域仿真，獲得了不同狀態下風力機主軸的動態回響。採用有限元方法，建立了裂紋的擴展模型，為後續裂紋結構的壽命預測打下了理論基礎。在狀態監測與故障診斷方法方面，將自相關消噪和共振解調技術用於實際風力機軸承和齒輪的加速度振動信號的分析，給出了風力發電機組感測器最佳化布設的建議。提出了一種基於多源信息融合的故障診斷方法，該方法從多個感測器的數據中提取特徵，基於全局幾何相似性進行特徵參數的選擇以確定敏感參數，然後採用SVM和GRNN進行故障診斷，並利用實驗室直驅型風力機的實驗數據進行了驗證。在預警和預測診斷方法研究方面，搭建了滾動軸承退化實驗台，獲得了退化數據，研究了基於混沌理論的滾動軸承退化信號預測的方法和基於RBF神經網路的滾動軸承退化信號預測的方法。在預測方法性能評價研究方面，研究了基於Bayes估計的裂紋擴展壽命預測和預測不確定性評估方法研究。研究結果顯示隨著預測時間的增加，預測結果的分散性增加，即不確定性增加，可靠性下降。在風力機智慧型故障診斷系統研究與開發方面，針對風力機智慧型故障診斷系統的關鍵技術進行了研究，主要包括海量數據的實時存儲和管理，模糊診斷專家系統和風力機振動故障特徵算法，並進一步開發了一套用於大型風力機的遠程智慧型監測與診斷系統。該系統採用分散式架構，使用高效的實時數據存儲系統對實時數據進行存儲，使用一種模糊專家系統作為推理核心，進行頂層的推理控制，系統智慧型化程度高。通過本項目的研究，解決了風力發電機組建模與求解方法、預測診斷可靠性評估方法等關鍵問題，為實現風電場風力發電機組狀態監測與預警,延長風力機運行時間，減少經濟損失，提高風力機可靠性，提供了技術支撐。