风机电动变桨系统状态特征参量挖掘及异常识别

被引：27

作者：

李辉 ^{[1
]}

杨超 ^{[1
]}

李学伟 ^{[2
]}

季海婷 ^{[1
]}

秦星 ^{[1
]}

陈耀君 ^{[1
]}

杨东 ^{[1
]}

唐显虎 ^{[3
]}

机构：

[1] 输配电装备及系统安全与新技术国家重点实验室(重庆大学)

[2] 国网重庆市电力公司綦南供电分公司

[3] 重庆科凯前卫风电设备有限责任公司

来源：

中国电机工程学报 | 2014年 / 34卷 / 12期

关键词：

风电机组; 电动变桨系统; 状态评估; 特征参量; 异常识别;

D O I：

10.13334/j.0258-8013.pcsee.2014.12.012

中图分类号：

TM315 [风力发电机];

学科分类号：

080801 ;

摘要：

为了提高风电机组电动变桨系统运行状态评估的准确性,提出电动变桨系统状态重要参量挖掘及其异常识别方法的研究。论文在阐述风电机组电动变桨系统的结构及控制原理和监测参数特点的基础上,基于特征参数选择的Relief方法,建立变桨系统特征参量挖掘的数学模型,获取了叶片桨距角、发电机转速及变桨电机驱动电流及其IGBT温度的特征参量,并对其故障状态的漏检率指标进行分析。提出基于多特征参量距离的变桨系统运行状态异常识别方法,建立基于风速输入的变桨系统特征参量的支持向量机回归模型,并对距离阈值进行探讨。最后,对实际变桨系统故障状态的异常识别进行实例验证。实验证明,建立的电动变桨系统状态特征参量挖掘模型的有效性,相比单参数绝对阈值评估方法,基于多特征参量距离的电动变桨系统异常识别方法更能及时、准确地识别其异常状态。

引用

页码：1922 / 1930

页数：9

共 14 条

[11]

A new wind turbine fault diagnosis method based on the local mean decomposition[J] . W.Y. Liu,W.H. Zhang,J.G. Han,G.F. Wang.Renewable Energy . 2012

[12]

Calculation and characteristics analysis of blade pitch loads for large scale wind turbines[J] . JuChuan Dai,YanPing Hu,DeShun Liu,Xin Long.Science China Technological Sciences . 2010 (5)

[13] A brief status on condition monitoring and fault diagnosis in wind energy conversion systems [J].

Amirat, Y. ;

Benbouzid, M. E. H. ;

Al-Ahmar, E. ;

Bensaker, B. ;

Turri, S. .

RENEWABLE & SUSTAINABLE ENERGY REVIEWS, 2009, 13 (09) :2629-2636

[14] 基于AHP方法的在役风电机组安全检测技术研究 [J].

郭建斌 ;

闻源长 .

能源研究与利用, 2008, (04) :36-39

← 1 2 →