[01232056]基于信息融合的兆瓦级风力发电机智能故障诊断策略研究

风力发电机是电力系统中的关键设备,对其进行智能故障诊断具有重大的经济效益和社会意义。提出了基于专家系统、模糊神经网络和小波分析三种推理模式集成的风力发电机组合智能诊断策略;基于故障树和神经网络模型,建立了由框架和规则混合知识表示的智能故障诊断系统,利用模糊神经网络来建立风力发电机常见运行故障的专家诊断知识库。在诊断策略的决策层,利用小波分析、模糊神经网络和证据理论的融合,来提高风力发电机故障的预测精度。利用基于神经网络的模糊综合评判,来对风力发电机衬垫摩擦系数质量进行准确的综合评价。并利用小波神经网络对风力发电机的常见运行故障进行了趋势预测。提出了风力发电机的一种综合安全控制策略,对于保障风力发电机的安全运行具有重要的意义。 本课题基于专家系统、模糊理论和神经网络三种推理模式的综合诊断策略与信息融合理论,以风力发电机组旋转系统为对象,拟开展典型旋转机械类系统多源故障特征信息分析与决策问题研究。具体思想如图1所示。图中的诊断信号来源于各类传感器或不同的专家,而要从中提取的故障特征信号多数情况下呈现出随机、模糊、不精确等特性,它们分别是与一种或多种故障类型相对应,因此本课题要研究如何用信息融合理论来处理这些不确定性信息,并根据特征和故障之间的关联程度,建立能统一度量上述各种不确定信息的测度;然后,利用专家系统、模糊理论和神经网络三种推理模式得出初步结论,最后基于证据推理这一典型的多源信息决策理论,将各种不确定性故障特征均作为推理的证据;经证据推理与合并（融合）后做出诊断决策。 用于描述风力发电机组故障特征与故障类型之间的映射关系是较复杂的,同时故障类型又常常不是孤立存在的,而是相互依存相互影响的。一种故障对应多种特征,而一种特征可能对应多种故障,同时,故障特征往往含有多种不确定性,所以仅靠现有的某种理论或某种方法是无法实现在复杂环境下准确、及时地对风力发电机组进行故障诊断。本课题以信息融合理论为基础,研究如何将多种智能诊断理论进行一定程度上的集成,运用多源特征信息来进一步实现对风力发电机组多重故障的融合诊断。此课题的研究成功必将为解决复杂的风力发电机旋转系统故障诊断问题以及相类似的问题提供一种崭新的思想和方法。 该研究方向符合上海市关于加强清洁能源开发的中长期规划,也是上海电气集团要发展的十大关键技术之一。经过国内外资料的检索和调研,还没有发现将信息融合和综合故障诊断策略用于风力发电系统的。因此说明本课题在研究内容、技术方法等方面的先进性、创新性,具有很高的应用价值和指导意义。