基于SCADA的風力機故障預測與健康管理技術研究.pdf

1、隨著人們對環(huán)境保護日益重視，國內外風電產業(yè)呈現出高速發(fā)展態(tài)勢。由于國內風電產業(yè)起步較晚，產業(yè)發(fā)展雖然快速但非常粗放，風電裝備制造、風電場運營等諸多方面的產業(yè)成熟度不高，由此帶來風電裝備、電場的事故頻發(fā)，目前已成為制約我國風電產業(yè)健康、快速發(fā)展的重要原因。因此，開展風電裝備故障預測與健康管理（PHM，Prognostics and Health Management）的研究具有重要的現實意義和應用價值。
　　以國內某風電場為對象，基

2、于對典型風電場健康管理需求的充分的調研，提出了適合國內風力機健康管理的PHM技術研究框架。首先，按照FMECA(Failure Mode Effects and Criticality Analysis)的分析流程，完成了風力機系統(tǒng)的FMECA分析，給出風力機的主要部件、對應的故障模式、故障主要原因及嚴酷度等。其次，提出了基于風電場SCADA(Supervisory Control And Data Acquisition)數據預處理的

3、方法。提取重要部件的狀態(tài)特征之后，采用加權D_S證據理論融合技術。然后，基于模糊理論提出并建立了變權模糊綜合評價模型，經過實際數據驗證，評價結果貼近風力機的實際情況，驗證了模型的有效性；根據風力機不同的設備特性，采用合適的診斷方法進行了故障診斷的研究，為故障預測提供支持。最后，開展了風力機故障預測的研究，基于灰色理論提出了等維灰數動態(tài)預測模型，仿真和實際應用表明，提出的預測模型提高了風力機故障預測的精度。以國內某風電場采集的實際監(jiān)測數據

4、為樣本，分別對風力機的狀態(tài)評價、故障診斷和狀態(tài)預測進行實例驗證。采用J2EE架構設計和開發(fā)了風力機故障預測與健康管理原型系統(tǒng)，該系統(tǒng)集成了實時狀態(tài)評價、故障診斷和狀態(tài)預測，實現了風力機的健康管理。
　　實驗結果表明，論文改進的數據融合方法、變權模糊綜合評價模型及等維灰數動態(tài)預測模型等方法有效、可行，PHM原型系統(tǒng)很好的實現了風力機的狀態(tài)評價、故障診斷和狀態(tài)預測。本文的研究成果對于提高風力機運行的可靠性，降低其故障發(fā)生率，提高風電場