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
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
收藏
页码:1041 / 1053
页数:13
相关论文
共 48 条
[41]   基于拉普拉斯特征映射的故障模式识别方法 [J].
蒋全胜 ;
贾民平 ;
胡建中 ;
许飞云 .
系统仿真学报, 2008, (20) :5710-5713
[42]   液压系统故障诊断技术的研究现状与发展趋势 [J].
周汝胜 ;
焦宗夏 ;
王少萍 .
机械工程学报, 2006, (09) :6-14
[43]  
Condition monitoring and fault detection of wind turbines and related algorithms: A review[J] . Z. Hameed,Y.S. Hong,Y.M. Cho,S.H. Ahn,C.K. Song.Renewable and Sustainable Energy Reviews . 2007 (1)
[44]  
New clustering algorithm-based fault diagnosis using compensation distance evaluation technique[J] . Yaguo Lei,Zhengjia He,Yanyang Zi,Xuefeng Chen.Mechanical Systems and Signal Processing . 2007 (2)
[45]  
Residual life predictions for ball bearings based on self-organizing map and back propagation neural network methods[J] . Runqing Huang,Lifeng Xi,Xinglin Li,C. Richard Liu,Hai Qiu,Jay Lee.Mechanical Systems and Signal Processing . 2005 (1)
[46]  
A review on machinery diagnostics and prognostics implementing condition-based maintenance[J] . Andrew K.S. Jardine,Daming Lin,Dragan Banjevic.Mechanical Systems and Signal Processing . 2005 (7)
[47]   A prognostic algorithm for machine performance assessment and its application [J].
Yan, JH ;
Koç, M ;
Lee, J .
PRODUCTION PLANNING & CONTROL, 2004, 15 (08) :796-801
[48]   Structural health monitoring techniques for wind turbine blades [J].
Ghoshal, A ;
Sundaresan, MJ ;
Schulz, MJ ;
Pai, PF .
JOURNAL OF WIND ENGINEERING AND INDUSTRIAL AERODYNAMICS, 2000, 85 (03) :309-324