论文部分内容阅读
随着风能在世界范围内的日益发展,风力发电技术在全世界越来越多的受到重视,风电机组通常在恶劣环境下运行,齿轮箱、电气系统及电机经常出现故障,如何保证风力发电机组稳定运行,高效利用风力资源已经成为摆在我们面前的一项重要的课题。本文在分析了国内外风力发电系统中常见故障机理的基础上,明确了传动系统故障是风电机组停机故障的主要原因,依此设计了针对风电机组传动系统部分采用振动传感器和温度传感器进行数据采集与故障诊断技术研究的技术方案。本文首先介绍了数据采集单元硬件电路的设计原理,包括:信号调理电路、A/D转换电路、LCD显示电路以及STC89C51芯片外围电路及GPRS通讯电路的原理图设计,并在充分考虑了抗干扰等PCB制板注意事项的基础上完成了PCB的制作。其次对基于振动和温度数据的故障诊断方法进行了研究,在传统BP人工神经网络和Elman神经网络算法的基础上,提出了基于自组织模糊聚类Elman网络风电机组故障诊断方法。该方法运用数学运算处理得到采集样本的均值、方差、允许值和临界值,将其与ISO2372振动质量评级标进行对比,得到风电机组发生故障的具体部位,之后对数据进行自组织模糊聚类诊断预处理,科学有效地对输入数据进行了分类并将分类结果应用到故障诊断当中。由于BP神经网络是一种前向网络,相对于反馈型的网络来说,收敛速度较慢,而且有可能收敛到局部极小值,利用Elman网络对BP神经网络进行优化处理,弥补了该不足。将数据采集系统和故障诊断单元应用到风电机组实验系统中进行模拟实验,结果表明数据采集系统具有良好的数据采样精度。经过自组织模糊聚类处理后的数据进行Elman网络故障诊断处理结果,一定程度上克服了传统人工神经网络故障诊断中的收敛速度慢,训练结果不精确的问题,为实际风力发电实时监测风电机组数据与后期故障诊断处理提供了一种有效方法。