|
|
|
题名
|
作者
|
年代
|
出处
|
被引量
|
| 1 | 行星齿轮箱齿轮局部故障振动频谱特征显示文摘齿轮局部损伤在齿轮箱故障中占有很大比例,其频谱特征与分布式故障具有明显区别。研究太阳轮、行星轮和齿圈局部故障振动信号的频谱结构对于行星齿轮箱故障诊断具有重要意义。考虑齿轮局部故障对啮合振动的调幅调频率作用、以及振动传递路径变化对振动测试信号的调幅作用,建立了行星齿轮箱局部故障振动信号模型,推导了频谱解析表达式。给出了太阳轮、行星轮和齿圈局部故障特征频率的计算公式。通过实验信号分析验证了理论推导结果,应用频谱分析方法分别诊断出了太阳轮、行星轮和齿圈局部故障。 | 冯志鹏 赵镭镭 褚福磊 | 2013 | 中国电机工程学报2013，33，5： | 116 |
| 2 | 基于趋势预测的大型风电机组运行状态模糊综合评价显示文摘大型风力发电机组的设备维修与更换的费用昂贵,因此及时准确地对风电机组运行状态进行评估,可有效节约检修维护成本。为此,提出一种基于状态参数趋势预测的大型风电机组运行状态模糊综合评价策略。首先分析并归纳大型风电机组的重要运行状态参数,采用层次分析法构建出评价模型,在状态参数的劣化度计算中结合模糊趋势预测策略,然后应用模糊隶属度加权进行逐层评价结论的综合,在总体评价结论的综合策略上对传统方法进行有益的改进。算例表明,与常规模糊评价策略相比,提出策略更具合理性,有助于及时发现早期故障隐患,可为风电场合理安排机组的调度运行与检修维护计划提供参考。 | 肖运启 王昆朋 贺贯举 孙燕平 杨锡运 | 2014 | 中国电机工程学报2014，34，13： | 104 |
| 3 | 海上风电机组运行维护现状研究与展望显示文摘海上环境恶劣、可进入性差,给海上风电机组的运行与维护带来了巨大挑战。近年来,随着海上风电的大规模开发与大容量海上风电机组的相继并网,海上风电机组经济可靠地运行与维护已经成为新能源研究的热点问题之一。文中对海上风电机组运行维护现状进行统计与分析,主要围绕海上风电运维最关注的可靠性(Reliability)、可用率(Availability)以及维护(Maintenance)3个方面阐述了当前海上风电机组运行与维护现状。在此基础上,整理与归纳了影响海上风机运维成本的主要因素,对当前海上风电机组运维研究热点进行总结,展望了未来有待进一步研究的方向。 | 黄玲玲 曹家麟 张开华 符杨 徐涵璐 | 2016 | 中国电机工程学报2016，36，3： | 108 |
| 4 | 行星齿轮箱齿轮分布式故障振动频谱特征显示文摘深入透彻地了解振动信号的频谱结构,有助于通过简单易行的频谱分析对行星齿轮箱进行故障诊断。考虑齿轮制造误差和分布式故障对啮合振动的调幅调频作用、以及行星轮通过效应对振动测试信号的调幅作用,建立了行星齿轮箱正常和分布式故障状态下的振动信号模型,推导了频谱解析表达式。给出了太阳轮、行星轮和齿圈分布式故障特征频率的计算公式。通过实验信号分析验证了上述理论分析结果,基于频谱分析诊断了自然产生发展的齿轮分布式故障。 | 冯志鹏 褚福磊 | 2013 | 中国电机工程学报2013，33，2： | 75 |
| 5 | 基于SCADA和支持向量回归的风电机组状态在线评估方法显示文摘为提高风电机组并网运行的实时可靠性、优化机组维修策略、降低风力发电成本,有必要充分考虑风电机组各部件或子系统之间的相互作用和耦合关系。利用数据挖掘技术,建立了一个针对风电机组整体运行状态的在线评估模型。首先,分析了数据采集与监控(SCADA)报警系统的不足,提出了基于回归预测模型和SCADA报警系统相配合的鲁棒性更强的在线评估方案;其次,对评估方案中的回归预测模型进行了详细说明,建立了以SCADA系统的部分监测项目为输入量、以风电机组有功功率为输出量的基于支持向量回归(SVR)算法的回归预测模型。最后,利用某风电场的实测数据对所提出的在线评估模型进行了验证,结果证明了此方法的可行性。 | 梁颖 方瑞明 | 2013 | 电力系统自动化2013，37，14： | 61 |
| 6 | 大功率并网风电机组状态监测与故障诊断研究综述显示文摘状态监测与故障诊断技术是降低大功率并网风电机组的故障率和其运维费用的有效手段之一。对风电机组状态评估和故障预测进行综述。首先,在分析国内外风电机组故障统计情况的基础上,提出状态监测需要关注的风电机组关键部件;其次,综述风电机组整机综合状态评估和故障预测研究现状;然后,重点评述和分析风电机组关键部件的状态监测与故障诊断方法;最后,提出大功率并网风电机组状态监测与故障诊断的研究要点及趋势。 | 李辉 胡姚刚 李洋 杨东 梁媛媛 欧阳海黎 兰涌森 | 2016 | 电力自动化设备2016，36，1： | 65 |
| 7 | 基于SCADA运行数据的风电机组塔架振动建模与监测显示文摘振动信号是风电机组数据采集与监视控制(supervisorycontrol and data acquisition,SCADA)系统中的一类重要变量。对振动信号的建模和分析可以实现对机组重要部件如塔架、传动链、叶轮等的状态监测工作。采用非线性状态估计技术(nonlinear state estimate technique,NSET)作为建模方法,在对风电机组塔架振动特性及其影响因素进行细致分析的基础上,建立了塔架振动模型。该模型由额定风速以下和额定风速以上两部分子模型构成。同时,对非线性状态估计技术的物理意义及特点进行了深入的分析和探讨。在某风电机组2006年4至6月份SCADA数据的基础上,建立了覆盖其正常工作状态的塔架振动模型,并对该模型进行了验证。研究表明,基于NSET的塔架振动建模方法具有方法简单、物理意义明确和建模精度高等优点,为后续拟开展的风电机组振动状态监测和早期故障诊断打下了良好的基础,同时为风电机组振动分析提供了新的思路。 | 郭鹏 徐明 白楠 马登昌 | 2013 | 中国电机工程学报2013，33，5： | 59 |
| 8 | 应用深度自编码网络和XGBoost的风电机组发电机故障诊断显示文摘针对风电机组现场故障样本难获取的问题,为实现风电机组发电机部件的故障诊断,通过分析风机监控与采集(SCADA)数据,设计了基于深度自编码(DAE)网络和XGBoost的故障诊断算法。该算法包含两部分:第一部分是DAE故障检测算法,通过DAE获取SCADA数据的重构值,分析重构误差的变化趋势与其超越阈值的情况以预测风机故障和提取故障样本;第二部分是XGBoost故障识别算法,用贝叶斯优化搜索XGBoost的最优超参数,建立XGBoost多分类故障识别模型。算例结果表明,DAE算法能够捕获风电机组发电机早期故障,XGBoost比其他算法更精确地识别不同故障类型。 | 赵洪山 闫西慧 王桂兰 尹相龙 | 2019 | 电力系统自动化2019，43，1： | 55 |
| 9 | 基于多元状态估计和偏离度的电厂风机故障预警显示文摘为了解决风机故障预警问题,提出一种基于多元状态估计技术(MSET)和偏离度的方法.利用MSET建立风机正常运行状态下的非参数模型,对观测向量进行最优估计并得到估计向量,观测向量与估计向量之间的差异可以反映风机工作是否异常.引入偏离度定量衡量观测向量与估计向量之间的偏离程度,有利于捕捉故障发展过程,然后利用滑动窗口法确定故障预警阈值.当平均偏离度超过预警阈值时,发出报警信息提醒运行人员处理.以长春某热电厂引风机的某次故障为例进行应用研究.结果表明:该方法可以及时发现风机异常,实现风机实时故障预警. | 刘涛 刘吉臻 吕游 崔超 | 2016 | 动力工程学报2016，36，6： | 41 |
| 10 | 基于深度自编码网络模型的风电机组齿轮箱故障检测显示文摘为了实现风机齿轮箱的故障检测分析,提出一种基于风电机组齿轮箱的数据采集与监视控制(SCADA)数据和振动信号的深度自编码网络模型。该模型作为一种典型的深度学习方法,通过逐层智能学习初始样本特征,可以获取数据蕴含的规则与分布特征形成更加抽象的高层表示。首先,利用限制性玻尔兹曼机对网络参数进行预训练和反向传播算法对参数进行调优,建立深度自编码网络模型。然后,通过对齿轮箱的状态变量进行编码和解码,计算重构误差并将其作为齿轮箱的状态检测量。为了有效检测重构误差的趋势变化,选用自适应阈值作为风机齿轮箱故障检测的决策准则。最后,利用对齿轮箱故障前、后记录的数据进行仿真分析,结果验证了深度自编码网络学习方法对齿轮箱故障检测的有效性。 | 刘辉海 赵星宇 赵洪山 宋鹏 邓春 | 2017 | 电工技术学报2017，32，17： | 49 |
| 11 | 基于数据挖掘的风电机组变桨系统劣化状态在线辨识方法显示文摘传统阈值法难以及时准确地辨识出运行设备的劣化状态,针对风力发电机组实施状态检修工作的要求,提出一种风机变桨系统劣化状态在线辨识方法。在阐述风机变桨控制原理和变桨系统监测参数的基础上,建立了以风速、有功功率为输入,风轮转速、3个叶片的桨距角和变桨驱动电流为输出的非线性多输入多输出(multi input multi output,MIMO)系统回归模型。将系统特征向量实测值与最小二乘支持向量机(least square support vector machines,LSSVM)回归计算结果间的偏离定义为系统'观测值'。接着采用高斯混合模型(Gaussian mixture model,GMM)拟合多维观测值的分布,并利用风机数据采集与监控系统(supervisory control and data acquisition,SCADA)中的数据计算系统劣化指数,实现系统状态的在线辨识。最后,以一台发生过变桨轴承保持架和滚动体损坏故障的风机为对象,进行了实例验证,证明了所建模型的准确性和有效性。 | 郭慧东 王玮 夏明超 | 2016 | 中国电机工程学报2016，36，9： | 31 |
| 12 | 风机电动变桨系统状态特征参量挖掘及异常识别显示文摘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。 | 李辉 杨超 李学伟 季海婷 秦星 陈耀君 杨东 唐显虎 | 2014 | 中国电机工程学报2014，34，12： | 25 |
| 13 | 基于PCA和SPC-动态神经网络的风电机组齿轮箱油温趋势预测显示文摘针对风电机组齿轮箱油温趋势预测中存在的信号非线性、多变量相关、各相关变量之间存在数据冗余等问题,同时为了克服人工神经网络离线训练的不足,该文提出了一种基于主成分分析(principal component analysis,PCA)和动态神经网络的齿轮箱油温趋势预测模型,并结合统计过程控制(statistical process control,SPC)实现该模型在线学习能力。确定影响油温变化的相关变量集,利用PCA消除相关变量间的数据冗余,采用有外部输入的非线性自回归动态神经网络(nonlinear autoregressive with external input,NARX)对油温和相关变量集进行建模,采用考虑残差分布规律的SPC方法控制模型在线学习行为。实际应用结果表明:该方法具有较高的稳定性和准确度,能够有效实现油温趋势预测。 | 黄忠山 田凌 向东 韦尧中 | 2018 | 清华大学学报(自然科学版)2018，58，6： | 22 |
| 14 | 基于相关主成分分析和极限学习机的风电机组主轴承状态监测研究显示文摘提出了一种基于相关系数法和主成分分析法以及极限学习机相结合的主轴承状态监测方法。该方法利用相关系数法选取数据采集与监视控制系统中与主轴承温度相关的变量作为初始输入变量;再用主成分分析法对所选变量进行降维处理,以消除变量之间的相关性和冗余性;进一步利用极限学习机建立主轴承正常运行时的温度模型并用其进行温度预测;最后利用滑动窗和核密度估计方法对残差进行分析,并基于实测的数据进行主轴承故障模拟。结果表明,该方法可有效地实现主轴承潜在故障的预测。 | 何群 王红 江国乾 谢平 李继猛 王腾超 | 2018 | 计量学报2018，39，1： | 21 |
| 15 | 基于深度信念网络的风机主轴承状态监测方法显示文摘提出了一种基于深度信念网络(DBN)的风电机组主轴承状态监测方法。为了降低建模难度并减少训练时间,首先利用相关系数法选取建模变量,进而建立主轴承正常行为的DBN温度模型并用于主轴承温度预测。该模型克服了传统神经网络随机初始化网络权重、易陷入局部最小值等缺点,能有效提高主轴承温度的预测精度。然后采用指数加权移动平均法(EWMA)对主轴承温度残差序列进行分析,并利用核密度估计方法确定故障阈值。最后基于实测的数据采集与监视控制(SCADA)系统数据对主轴承故障进行模拟。结果表明,与传统预测方法相比,该方法能有效地实现主轴承的异常状态监测。 | 王洪斌 王红 何群 王跃灵 周振 | 2018 | 中国机械工程2018，29，8： | 21 |
| 16 | 基于数据挖掘的风电机组齿轮箱运行状态分析显示文摘针对风电机组齿轮箱运行状态识别困难的问题,基于数据挖掘思想,提出改进的非线性状态估计方法,得到了机组参数与运行状态之间的关联机制;通过因子分析,有效减小样本数据空间,提高了样本数据的解释能力;根据机组实际运行特点,运用滑动窗口与异常率的方法对预测残差进行分析,保证了最终分析结果的准确性与可信性。结合实际案例分析可知,该方法较传统分析方法能够更及时、准确地察觉风电机组齿轮箱异常状态。 | 贾子文 顾煜炯 | 2018 | 中国机械工程2018，29，6： | 19 |
| 17 | 基于样本优化的风电机组齿轮箱轴承温度预测显示文摘风电机组的状态检测对于提高机组运行水平及降低维护成本意义重大。利用非线性状态估计(NSET)方法建立齿轮箱轴承温度模型并用其进行轴承温度预测;针对观测向量选择缺乏理论依据的问题采用灰色关联度分析法验证变量选择的合理性;针对过程记忆矩阵存在数据冗余的问题采用相似度分析法构造简约过程记忆矩阵缩短建模时间。齿轮箱工作状态异常时模型的预测残差分布特性将发生变化,当残差均值或标准差超出设定阈值则给出预警。验证结果表明:基于样本优化的模型可以准确预测轴承温度并有较好的时效性,可以监测齿轮箱的运行状态。 | 李大中 常城 许炳坤 | 2017 | 系统仿真学报2017，29，2： | 19 |
| 18 | 基于群体多维相似性的风机齿轮箱预警策略显示文摘风场区域气候周期性变化及气象条件瞬时变化都会直接影响风电机组设备运行状况,已有齿轮箱故障预警策略较少与周边相似风机联动,偏向于"单体预警"。将高斯混合模型、动态时间规整及熵权值算法三者紧密结合,提出了一种基于群体多维特征相似性的故障预警策略:通过与周边风机的相似性联动,消除周期性及瞬时性环境因素对预警结果的影响;采用分级时间滚动窗口生成风机相似关系,保留数据的时间次序属性,展示研究对象的数据资源迁徙规律,判断潜在故障风机。最后,用福建沿海风场监控与数据采集系统(SCADA)数据验证了所提预警算法的有效性与实效性,至少可以提前26天预警潜在故障风机。 | 刘帅 刘长良 甄成刚 靳昊凡 | 2018 | 仪器仪表学报2018，39，1： | 19 |
| 19 | 基于CNN-LSTM的风电机组异常状态检测显示文摘风电机组的环境恶劣和工况多变导致风电机组故障频发,为了保障风电机组的可靠运行,基于数据的机组异常状态检测尤为重要。该研究提出一种基于级联深度学习预测模型的风电机组状态检测方法,首先对风电场数据采集与监视控制(supervisory control and data acquisition,SCADA)系统的数据进行预处理,并通过距离相关系数(distance correlation coefficient,DCC)分析选取输入参数;然后结合卷积神经网络(convolution neural network,CNN)和长短期神经网络(long short-term memory,LSTM)建立观测参数与目标参数之间的逻辑关系,通过均方根误差(root mean square error,RMSE)和样本熵(sample entropy,SE)对齿轮箱轴承温度预测残差进行分析,监测齿轮箱轴承温度异常变化;最后以华北某风场的SCADA数据进行算例验证,结果表明该方法能够准确检测到齿轮箱轴承温度异常,提前发现风电机组的早期故障,为风电机组安全可靠运行提供重要价值。 | 向玲 王朋鹤 李京蓄 | 2021 | 振动与冲击2021，40，22： | 19 |
| 20 | 基于SBM技术的发电设备故障预警系统研究显示文摘发电设备常规的监测手段均采用绝对值报警,当运行参数超过设定值时产生报警提示。这种单一的监测手段难以及时发现设备的早期征兆并对其发展趋势进行跟踪,最终导致被迫停机。为此提出基于相似性原理(SBM)的建模技术,将实际设备运行数据通过数学分析的方法,建立与实际设备相似的模型矩阵。将实际运行值与模型计算出的估计值进行比较,超过预设的偏差值即出现报警。在线展示系统参数的动态变化过程,反映系统运行的健康状态,并及时提醒维护人员进行设备维护;此外通过实例介绍了该系统的实际运用效果。 | 滕卫明 刘林 卢伟明 张震伟 胡伯勇 | 2015 | 中国电力2015，48，1： | 18 |
您所在的机构暂未开通此部分的功能，请联系管理员