针对高压断路器分合闸线圈和储能电机的状态诊断过于复杂的问题,提出一种以易于采集的电流信号来对分合闸线圈和储能电机进行故障诊断。通过非线性状态估计法(nonlinear state estimate technology)分别建立分合闸线圈和储能电机的电流...针对高压断路器分合闸线圈和储能电机的状态诊断过于复杂的问题,提出一种以易于采集的电流信号来对分合闸线圈和储能电机进行故障诊断。通过非线性状态估计法(nonlinear state estimate technology)分别建立分合闸线圈和储能电机的电流诊断模型,然后根据常见故障类型建立故障阈值,之后根据电流相似度变化趋势进行诊断,实现及早发现分合闸线圈和储能电机的潜在故障。实验结果表明,该方法对分合闸线圈故障诊断正确率达到100%,对储能电机故障诊断正确率达到99.38%。展开更多
变桨系统是风力发电机组中控制算法复杂,设备故障率较高的子系统。当风机出现故障停机时,数据采集与监视控制(supervisory control and data acquisition,SCADA)系统在故障出现会显示出具体的故障信息,该具体故障信息往往包含多个,给风...变桨系统是风力发电机组中控制算法复杂,设备故障率较高的子系统。当风机出现故障停机时,数据采集与监视控制(supervisory control and data acquisition,SCADA)系统在故障出现会显示出具体的故障信息,该具体故障信息往往包含多个,给风机迅速定位故障类别、确认检修方式、及时有效地恢复生产造成了不利影响。因此,基于变桨运行数据的风力发电机组主故障识别对于提升机组可利用率及机组发电性能有着积极重要的意义。文中采用非线性状态估计技术作为数据挖掘方法,在某风电场机组SCADA数据基础上,分析机组变桨系统运行趋势及故障类型建立机组变桨控制系统主故障模型,并对该模型进行验证。研究结果表明,基于非线性状态估计的风电机组变桨控制系统主故障识别能够在多个故障信息中识别出主故障,次故障等,从而指导风场检修人员确定检修顺序,并为后续开展风机性能分析及评价提供了新的思路。展开更多
基于相量量测的状态估计能提高状态估计的精度,而相量测量单元在高电压等级网络中的广泛配置为电力系统全相量量测状态估计提供了坚实的硬件基础,研究全相量量测状态估计意义重大。建立了基于全相量量测状态估计的量测方程,在此基础上...基于相量量测的状态估计能提高状态估计的精度,而相量测量单元在高电压等级网络中的广泛配置为电力系统全相量量测状态估计提供了坚实的硬件基础,研究全相量量测状态估计意义重大。建立了基于全相量量测状态估计的量测方程,在此基础上建立了复数加权最小二乘法(complex field weighted least square,CWLS)状态估计模型。文中还对复数域下相量的误差特性和CWLS算法的抗差性进行了研究,同时详细分析了CWLS算法中权重的选取和不良数据的辨识。仿真结果表明了所建模型的合理性以及CWLS算法的有效性和适应性。展开更多
风电机组状态监测对于风电场特别是海上风电场降低维护成本,提高运行水平具有重要的实用价值。采用温度趋势分析的方法对风电机组齿轮箱的运行状态进行监测。利用非线性状态估计(nonlinear state estimate technology,NSET)方法建立齿...风电机组状态监测对于风电场特别是海上风电场降低维护成本,提高运行水平具有重要的实用价值。采用温度趋势分析的方法对风电机组齿轮箱的运行状态进行监测。利用非线性状态估计(nonlinear state estimate technology,NSET)方法建立齿轮箱正常工作状态下的温度模型并用其进行温度预测。通过合理构造过程记忆矩阵,使模型覆盖齿轮箱的正常工作空间。当齿轮箱工作异常时,其动态特性偏离正常工作空间,NSET温度模型预测残差的分布特性发生改变。采用滑动窗口方法实时计算残差的统计分布特性,当残差的均值或标准差的置信区间超出预先设定的阈值时,发出报警信息,提示运行人员检查设备状态。为模拟齿轮箱的故障情况,在机组数据采集与监视控制系统(supervisory control anddata acquisition,SCADA)数据中加入人为温度偏移。通过对该模拟故障的分析,新的状态监测方法能够及时发现齿轮箱的异常状态,达到实时在线状态监测的目的。展开更多
文摘针对高压断路器分合闸线圈和储能电机的状态诊断过于复杂的问题,提出一种以易于采集的电流信号来对分合闸线圈和储能电机进行故障诊断。通过非线性状态估计法(nonlinear state estimate technology)分别建立分合闸线圈和储能电机的电流诊断模型,然后根据常见故障类型建立故障阈值,之后根据电流相似度变化趋势进行诊断,实现及早发现分合闸线圈和储能电机的潜在故障。实验结果表明,该方法对分合闸线圈故障诊断正确率达到100%,对储能电机故障诊断正确率达到99.38%。
文摘变桨系统是风力发电机组中控制算法复杂,设备故障率较高的子系统。当风机出现故障停机时,数据采集与监视控制(supervisory control and data acquisition,SCADA)系统在故障出现会显示出具体的故障信息,该具体故障信息往往包含多个,给风机迅速定位故障类别、确认检修方式、及时有效地恢复生产造成了不利影响。因此,基于变桨运行数据的风力发电机组主故障识别对于提升机组可利用率及机组发电性能有着积极重要的意义。文中采用非线性状态估计技术作为数据挖掘方法,在某风电场机组SCADA数据基础上,分析机组变桨系统运行趋势及故障类型建立机组变桨控制系统主故障模型,并对该模型进行验证。研究结果表明,基于非线性状态估计的风电机组变桨控制系统主故障识别能够在多个故障信息中识别出主故障,次故障等,从而指导风场检修人员确定检修顺序,并为后续开展风机性能分析及评价提供了新的思路。
文摘基于相量量测的状态估计能提高状态估计的精度,而相量测量单元在高电压等级网络中的广泛配置为电力系统全相量量测状态估计提供了坚实的硬件基础,研究全相量量测状态估计意义重大。建立了基于全相量量测状态估计的量测方程,在此基础上建立了复数加权最小二乘法(complex field weighted least square,CWLS)状态估计模型。文中还对复数域下相量的误差特性和CWLS算法的抗差性进行了研究,同时详细分析了CWLS算法中权重的选取和不良数据的辨识。仿真结果表明了所建模型的合理性以及CWLS算法的有效性和适应性。
文摘风电机组状态监测对于风电场特别是海上风电场降低维护成本,提高运行水平具有重要的实用价值。采用温度趋势分析的方法对风电机组齿轮箱的运行状态进行监测。利用非线性状态估计(nonlinear state estimate technology,NSET)方法建立齿轮箱正常工作状态下的温度模型并用其进行温度预测。通过合理构造过程记忆矩阵,使模型覆盖齿轮箱的正常工作空间。当齿轮箱工作异常时,其动态特性偏离正常工作空间,NSET温度模型预测残差的分布特性发生改变。采用滑动窗口方法实时计算残差的统计分布特性,当残差的均值或标准差的置信区间超出预先设定的阈值时,发出报警信息,提示运行人员检查设备状态。为模拟齿轮箱的故障情况,在机组数据采集与监视控制系统(supervisory control anddata acquisition,SCADA)数据中加入人为温度偏移。通过对该模拟故障的分析,新的状态监测方法能够及时发现齿轮箱的异常状态,达到实时在线状态监测的目的。
