风力发电机组故障诊断与预测技术研究综述

被引：112

作者：

金晓航 ^{[1
,2
]}

孙毅 ^{[1
,3
]}

单继宏 ^{[1
,2
]}

吴根勇 ^{[2
,4
,5
]}

机构：

[1] 浙江工业大学特种装备制造与先进加工技术教育部重点实验室

[2] 浙江工业大学机械工程学院

[3] 浙江工业大学海洋研究院

[4] 浙江运达风电股份有限公司

[5] 风力发电系统国家重点实验室

来源：

仪器仪表学报 | 2017年 / 38卷 / 05期

基金：

浙江省自然科学基金;

关键词：

风力发电机组; 故障诊断; 故障预测; 数据采集与监控系统;

D O I：

10.19650/j.cnki.cjsi.2017.05.001

中图分类号：

TM315 [风力发电机];

学科分类号：

摘要：

随着风力发电机组装机容量的快速发展,累计运行时间的持续增长,风电机组的维护问题日益突出,迫切需要研发有效的风电机组故障诊断与预测系统。从故障诊断和故障预测两个方面,归纳风力发电机组的主要故障特点;针对故障诊断难点问题,分析和总结基于振动、电气信号分析和模式识别算法的故障诊断方法的研究现状,指出各种方法的技术特点、局限性和今后的发展趋势;针对风电机组中机械结构和电子系统性能退化的各自特点,归纳当前的研究进展,提出物理失效模型和数据驱动模型融合的故障预测方法;最后,归纳了利用风力发电机组数据采集与监控系统(SCADA)数据进行故障诊断与预测的最新进展及需要进一步研究的问题。

引用

页码：1041 / 1053

页数：13

共 48 条

[1] 基于UKF的轴承剩余寿命预测方法研究 [J].