[01151636]风力发电机组状态监测及故障诊断系统研究

本研究成果涉及风力发电、电子信息及机械等多个交叉学科领域,利用计算机大数据处理技术以及旋转机械的状态检测与故障诊断技术,在调研和分析了风力发电机组的运行故障特点的基础上,结合故障模式与影响分析（ FMEA）理论、小波包BP神经网络及D-S证据理论对风力发电机组故障诊断进行了深入的研究,在此基础上开发了一套风力发电机组状态检测与故障诊断系统的软、硬件系统,实现了对风电机组状态与故障数据的采集、处理和诊断,并在多个风场取得了良好的应用效果。 （1）针对风力发电机组结构和工作特性, 利用 FMEA 理论对机组关键单元故障特性进行分析总结; （2）针对风电机组故障信号强噪声背景,利用基于正交小波包的时域、频域分割,消除被采集信号中的噪声,提取了被采集信号频带特征量,并结合小波包的分级与重构技术实现故障信号特征提取,并作为向量输入BP神经网络,从而实现复杂工况下故障模式识别; （3）利用D-S证据理论和小波包BP神经网络算法决策融合,对建立故障诊断模型进行优化,从而加强故障诊断结论的决策置信; （4）将风力发电机组状态检测、故障诊断、故障处理决策三项关键性功能融合构建了状态监测与故障诊断软硬件系统; （5）基于对系统的目标设计、框架设计、功能组成设计,搭建了风力发电机组状态监测与故障诊断系统的试验平台,并阐述了系统各关键组成部分的搭建以及系统调试方案,随后通过风电场实地检测和对典型故障的诊断决策情况,验证系统的功能实现情况。 该成果了以国家基金相关技术、中国水电工程顾问集团公司科技项目为基础,研究成果已在张北坝头风电场、泸西李子箐风电场等多个大型风场投入使用,自系统2012年首次投入运行以来,已经成为各风电场日常生产管理的工具,并且在一定程度上更为有效地整合了风电场生产资源,提高了运营单位及时发现和维修风机设备故障的能力,同时带来的经济效益可观,亦可为其它风电场风力发电机组设备全寿命管理提供借鉴,具有广泛的推广应用价值,社会经济效益显著。