风力发电系统故障诊断方法综述

被引:42
作者
沈艳霞
李帆
机构
[1] 江南大学电气自动化研究所
关键词
风力发电系统; 齿轮箱; 发电机; 电力电子装置; 故障诊断;
D O I
10.14107/j.cnki.kzgc.2013.05.017
中图分类号
TM614 [风能发电];
学科分类号
0807 ;
摘要
风力发电系统往往安装在偏僻的、难以接近的或者气候不适合人类长期逗留的地域,传统的计划维修和事后维修方式不能满足要求。为保证风力发电系统可靠稳定运行,降低系统的维护成本,对其进行状态监测与故障诊断是十分必要的。论文针对风力发电系统中的主要部件,即齿轮箱、发电机、电力电子装置、叶片等的故障,对现有故障诊断方法进行了分类与综述,为提高对风力发电系统的可靠性、降低成本,促进其工程化进程提供了有效的参考。
引用
收藏
页码:789 / 795
页数:7
相关论文
共 30 条
[21]   基于RBF神经网络的齿轮箱故障诊断 [J].
冷军发 ;
荆双喜 ;
吴中青 .
机械强度, 2010, 32 (01) :17-20
[22]   300MW机组低压转子叶片断裂的故障诊断及振动分析 [J].
范春生 .
动力工程学报, 2010, 30 (01) :10-15
[23]   基于小波神经网络的齿轮系统故障诊断附视频 [J].
李永龙 ;
邵忍平 ;
薛腾 .
航空动力学报, 2010, (01) :234-240
[24]   第二代小波分析在轴承故障诊断中的应用 [J].
高立新 ;
殷海晨 ;
张建宇 ;
胥永刚 .
北京工业大学学报, 2009, 35 (05) :577-581
[25]   经验模态分解边缘效应抑制方法综述 [J].
杜陈艳 ;
张榆锋 ;
杨平 ;
石岩岩 ;
杨皖君 .
仪器仪表学报, 2009, 30 (01) :55-60
[26]   用小波分析来判定风力发电中电力电子的故障 [J].
张晓波 ;
张新燕 ;
王维庆 .
电机技术, 2008, (05) :47-50
[27]   用神经网络对风力发电中电力电子故障分析 [J].
张晓波 ;
张新燕 ;
王维庆 .
华东电力, 2008, (07) :16-18
[28]   基于支持向量机的电力电子电路故障诊断技术 [J].
胡清 ;
王荣杰 ;
詹宜巨 .
中国电机工程学报, 2008, (12) :107-111
[29]   基于神经网络的齿轮故障诊断专家系统 [J].
李佳 ;
礼宾 ;
王梦卿 .
机械传动, 2007, (05) :81-83+119
[30]   基于支持向量机的机械故障诊断方法研究 [J].
张周锁 ;
李凌均 ;
何正嘉 .
西安交通大学学报, 2002, (12) :1303-1306