基于数据驱动的风机变桨与偏航故障识别.pdf
《基于数据驱动的风机变桨与偏航故障识别.pdf》由会员分享,可在线阅读,更多相关《基于数据驱动的风机变桨与偏航故障识别.pdf(7页珍藏版)》请在咨信网上搜索。
1、第 卷 第 期 年 月 黑 龙 江 科 技 大 学 学 报 .基于数据驱动的风机变桨与偏航故障识别沈 宇 徐晓川 臧 鹏 吴劲芳(国网冀北张家口风光储输新能源有限公司 河北省 张家口)摘 要:针对大量新能源发电设备不断接入新型电力系统传统人工巡检方法效率低下问题研究高效智能的故障识别技术通过机器学习算法和大数据技术感知发电设备态势进而检测故障采用数据驱动模型识别风机变桨和偏航系统故障运用有监督地学习风机历史运行数据与风机状态的隐式映射关系识别风机故障状态 结果表明采用逆向传播神经网络、极致梯度提升树和支持向量机三种数据驱动模型可以准确识别风机状态 模型效果最好对四种故障的识别率均在 以上关键词
2、:风机故障识别 变桨 偏航 数据驱动 人工智能算法:./.中图分类号:文章编号:()文献标志码:(.):.:收稿日期:基金项目:国家电网有限公司科技项目()第一作者简介:沈 宇()男吉林省德惠人教授级高级工程师硕士研究方向:电力系统及其自动化:.引 言随着环境问题受到重视可再生能源已被纳入国家能源重要布局中风电作为最常见的可再生能源之一已在我国大部分地区推广投产 随着我国风电建设进一步扩大并且目前运行的大部分风电机组使用年限较长质保期邻近超出或已经超出故障发生率和运维成本逐年上升的现状引起风电运营商、制造商和第三方运维公司等机构的关注 风力发电机组主要由变桨系统、偏航系统、控制系统和液压系统等
3、组成 由于风电机组的安装环境往往较为恶劣外部自然环境以及风况变化的偶然性会导致叶片及其他风电机组部件容易损坏 有调查研究显示偏航系统和变桨系统的故障率分别为 和故障维修时间一般需要 对于条件受限的 海 上 风 电 场 故 障 维 修 时 间 甚 至 高 达 十几天目前风电机组的数据重要来源于 和 系统这两个系统可以收集大量风机系统数据但无法分析故障情况为机组运维提供有效指导 风电机组的关键部件更换难、耗时长、花费高如果采用有效的态势感知和故障识别技术使系统快速发现异常可以有效地降低运维成本提高风电在可再生能源领域的核心竞争能力推动风能行业进一步发展目前风电机组的故障识别技术主要分为两大类:第一
4、类为经验判断型代表方法为专家系统第二类为模型判断型其分为机理模型和数据模型两种方法 数据驱动主要利用信号处理、人工智能、统计分析等挖掘海量数据特征寻找系统运行数据与系统状态之间的映射关系无需搭建复杂多变的物理模型具有灵活高效的优点 等通过对风电机组有功功率监测数据进行统计分析感知系统运行状态 梁颖等通过支持向量机搭建有功功率回归模型对比故障前风电机组有功功率的真实值与预测值差异设置残差阈值实现故障预警 李永战等发现高低频能量比这一特征量可以有效区别偏航系统故障样本与正常样本 但这些方法选取的特征量较少未能充分利用海量监测数据并且需要计算残差或预测未来数据走势对专家经验的依赖性较强泛化性不高 因
5、此文中提出利用机器学习构建数据驱动模型直接将高维特征输入分类器与上述文献相比有着简便快捷、精度较高的优势可以为风电机组的运维提供有效指导 故障识别原理.偏航系统风力发电机组的偏航系统是水平轴式风力发电机组必不可少的组成系统之一主要分为主动偏航和被动偏航两种齿轮驱动方式 偏航系统可以捕捉风向并控制机舱平稳、精确、可靠地旋转对风以保证风电机组机舱始终处于迎风状态从而最大化利用风能提高发电效率 文中数据来源于风机机型/此机型采用主动偏航方式其结构如图 所示图 偏航系统.偏航系统工作过程为:风机需要根据风向变化实时改变叶片位置 当风向改变时风速风向仪首先感知风向并将风向状态量上传至控制系统控制系统通过
6、控制偏航电机来驱动齿轮旋转从而对准风向 由图 可以看出偏航系统主要由偏航驱动装置等部分构成 大齿圈本身并不能转动必须依靠外部啮合的小齿轮沿齿圈转动偏航系统工作过程中存在陀螺力矩由于风向变化的不确定性偏航系统需要频繁启停长期工作会对偏航系统中关键部件造成疲劳累积和性能损耗容易导致突发故障这是风电机组平稳发电的隐患之一.变桨系统变桨系统通过调整叶片角控制风机的电力速度通过衰减震动极小化风机机械载荷实现功率调节保证风机安全运行如图 所示 变桨系统主要在 的范围内调节桨叶角度从而改变叶片的着风面积 当叶片与叶片旋转面的夹角为 时着风面积最大风机功率最大在极端天气情况下可以使夹角为 进入全顺桨状态着风面
7、积最小以防叶片损坏 当天气正常叶片旋转增大着风面积从而起动 当风速合适时可调节叶片角度为 使功率维持在额定功率附近黑 龙 江 科 技 大 学 学 报 第 卷变桨系统的工作原理大致如下:通过风向风速仪感知风速并把风速状态量上传至变桨控制系统机组主控向三个叶片对应的轴柜发送变桨命令轴柜通过各自独立的整流装置驱动电机运转并通过减速齿轮箱传递扭矩直至变桨齿轮将每个叶片都旋转到精确的角度最后再将叶片角度值反馈给控制系统 与偏航系统相似风速变化的随机性会给叶片造成冲击性负荷变桨动作需要随风况频繁变化变桨系统易使叶片振动、变载等产生故障导致发电能力下降图 变桨系统.偏航和变桨系统在发生故障时都会对发电能力造
8、成影响不利于风电机组输出功率最大化 风电机组的部分参数在故障发生时呈现异常状态通过人工智能挖掘故障与参数变化的隐藏映射关系可以实现对故障情况的识别判断以便尽快对风电机组进行检修缩小检修范围提高检修效率 故障识别方法.神经网络基于 网络的数据驱动模型是黑箱模型避免建立复杂的机理模型仅需历史数据即可自动学习输入量与输出量之间的内在联系 其学习过程是输入信号的前向传播和误差的逆向传播的结合 一个基本的 神经网络由输入层、隐藏层和输出层构成增大网络深度可以通过增加隐藏层的数量来实现 输入信号从输入层进入并经隐藏层逐步处理最后从输出层输出 使用损失函数表示模型预测值与实际值的差距 如果未达到期望结果通过
9、反向传播逐层调整神经网络的参数使网络的损失最小从而使 神经网络提高精度逐步逼近期望结果 具体思路是:梯度下降法去找权值变化使误差最小梯度下降方向可以用一个复合函数求导链式法则求出来链式法则本身就带有前向反馈的功能可以实现由已知探未知.极限梯度提升树极限梯度提升树 算法核心是采用集成思想考虑多个分类回归树()的分类结果即将多个弱分类器集成为一个强分类器采用梯度提升方法进行加法训练以提升其预测速度与精度通过多轮迭代达到更好的学习 效 果 的 基 本 思 想 和 相同但是针对 依赖强、并行难、效率低等缺点进行优化如二阶导数使损失函数更精准加入正则项避免训练中树过拟合 存储可以并行计算等 模型构建过程
10、如下定义一棵树()():()()()式中:叶子结点的权重向量 叶子结点个数 第 个叶子结点的分数 叶子结点的映射关系(即由样本对应的叶子标签)函数空间 中的一个函数代表树这种抽象结构 树的复杂度主要包括叶子结点数量 和叶子结点权重的 范数、正则化参数用于控制模型复杂度防止模型过拟合目标函数()为 ()()()()()()()()()()()()()式中:样本数量 树的数量、损失函数关于 的一次导数和二次导数式()由损失函数和惩罚项两部分组成损失函数衡量真实值与预测值的差距惩罚项衡量模型的复杂程度(不考虑复杂度就是 算法)进一步得到式()以此函数作为目标函数将会选择预测精度高且结构简单的模型 因
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 基于 数据 驱动 风机 偏航 故障 识别
1、咨信平台为文档C2C交易模式,即用户上传的文档直接被用户下载,收益归上传人(含作者)所有;本站仅是提供信息存储空间和展示预览,仅对用户上传内容的表现方式做保护处理,对上载内容不做任何修改或编辑。所展示的作品文档包括内容和图片全部来源于网络用户和作者上传投稿,我们不确定上传用户享有完全著作权,根据《信息网络传播权保护条例》,如果侵犯了您的版权、权益或隐私,请联系我们,核实后会尽快下架及时删除,并可随时和客服了解处理情况,尊重保护知识产权我们共同努力。
2、文档的总页数、文档格式和文档大小以系统显示为准(内容中显示的页数不一定正确),网站客服只以系统显示的页数、文件格式、文档大小作为仲裁依据,平台无法对文档的真实性、完整性、权威性、准确性、专业性及其观点立场做任何保证或承诺,下载前须认真查看,确认无误后再购买,务必慎重购买;若有违法违纪将进行移交司法处理,若涉侵权平台将进行基本处罚并下架。
3、本站所有内容均由用户上传,付费前请自行鉴别,如您付费,意味着您已接受本站规则且自行承担风险,本站不进行额外附加服务,虚拟产品一经售出概不退款(未进行购买下载可退充值款),文档一经付费(服务费)、不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
4、如你看到网页展示的文档有www.zixin.com.cn水印,是因预览和防盗链等技术需要对页面进行转换压缩成图而已,我们并不对上传的文档进行任何编辑或修改,文档下载后都不会有水印标识(原文档上传前个别存留的除外),下载后原文更清晰;试题试卷类文档,如果标题没有明确说明有答案则都视为没有答案,请知晓;PPT和DOC文档可被视为“模板”,允许上传人保留章节、目录结构的情况下删减部份的内容;PDF文档不管是原文档转换或图片扫描而得,本站不作要求视为允许,下载前自行私信或留言给上传者【自信****多点】。
5、本文档所展示的图片、画像、字体、音乐的版权可能需版权方额外授权,请谨慎使用;网站提供的党政主题相关内容(国旗、国徽、党徽--等)目的在于配合国家政策宣传,仅限个人学习分享使用,禁止用于任何广告和商用目的。
6、文档遇到问题,请及时私信或留言给本站上传会员【自信****多点】,需本站解决可联系【 微信客服】、【 QQ客服】,若有其他问题请点击或扫码反馈【 服务填表】;文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“【 版权申诉】”(推荐),意见反馈和侵权处理邮箱:1219186828@qq.com;也可以拔打客服电话:4008-655-100;投诉/维权电话:4009-655-100。