風電機組齒輪箱故障診斷預警分析.pdf

1、隨著我國風電行業(yè)的迅速發(fā)展，越來越多的風電機組投入運行，單機容量和總?cè)萘恐鹉暝龃?，對機械設(shè)備的安全性和可靠性的要求也在逐步提高。投運時間的累積使傳動系統(tǒng)逐漸進入故障高發(fā)期，往往導致設(shè)備損壞，影響風電場的正常運行，嚴重時還會危及到人身安全。風電機組故障預警能夠更早地發(fā)現(xiàn)故障征兆，防患于未然；風電機組故障診斷能夠準確并迅速地捕捉故障信息，預防重大事故的發(fā)生，同時也方便工作人員進行維修，縮短維護時間和成本。風電機組的故障預警和診斷已經(jīng)成為風電

2、發(fā)展的重要研究方向之一。本文以風電機組齒輪箱為研究對象，就故障預警和故障診斷兩個方面進行方法研究和實驗，主要內(nèi)容如下：
　?。?）以大唐甘肅某風電場金風S50/750型風力發(fā)電機組為研究對象，提出了一種基于支持向量回歸和正態(tài)分布理論的故障預警方法。基于SCADA系統(tǒng)歷史數(shù)據(jù)對風電機組齒輪箱進行支持向量回歸建模，再通過正態(tài)分布理論對歷史正常條件下預測值與實際值的殘差進行綜合分析，進而設(shè)定故障預警閾值，實現(xiàn)風電機組齒輪箱故障預警。

3、r>　?。?）提出了一種基于自適應CEEMD和排列熵的小波閾值降噪方法，依據(jù)信號本身自適應選擇CEEMD添加高斯白噪聲的幅值標準差和總體平均次數(shù)，進行CEEMD分解，利用排列熵選擇隨機性較大的IMF分量，進行小波閾值降噪，而后重構(gòu)信號。以模擬故障信號、風電場時域信號、實驗室角度域信號為例，將該提出方法與整體小波閾值降噪、CEEMD分解舍棄IMF1、CEEMD分解舍棄IMF1和IMF2方法進行降噪結(jié)果對比，驗證了該方法具有良好的去噪效果，