基于相对主元分析的风电机组塔架振动状态监测与故障诊断

doi:10.3969/j.issn.1000-7229.2014.08.022

电力建设 ›› 2014, Vol. 35 ›› Issue (8): 125-129.doi: 10.3969/j.issn.1000-7229.2014.08.022

基于相对主元分析的风电机组塔架振动状态监测与故障诊断

周进，房宁，郭鹏

新能源电力系统国家重点实验室（华北电力大学），北京市 102206

出版日期:2014-08-01
作者简介:周进（1985），男，硕士研究生，研究方向为新能源发电技术，E-mail：285503103@qq.com；房宁（1986），男，硕士研究生，研究方向为新能源发电技术；郭鹏（1975），男，博士，教授，研究方向为新能源发电技术。
基金资助:
国家自然科学基金（51207049）；新能源电力系统国家重点实验室开放基金项目（LAPS13011）。

Tower Vibration Fault Diagnosis and Monitoring for Wind Turbines Based on RPCA

ZHOU Jin, FANG Ning, GUO Peng

State Key Laboratory of Alternate Electrical Power System with Renewable Energy Sources, North China Electric Power University, Beijing 102206, China

Online:2014-08-01

摘要/Abstract

摘要： 振动信号是风电机组数据采集与监控系统（supervisory control and data acquisition system, SCADA）中一类重要变量。以风电机组SCADA运行数据为基础，首先结合风机运行原理详细分析了导致塔架振动的主要因素。进而采用相对主元分析（relative principal component analysis，RPCA）和某风电机组2011年3~5月份的SCADA运行数据，建立了覆盖塔架正常工作状态的RPCA振动模型，计算得出监控统计量Hotelling T2（简称T2）和平方预测误差（squared prediction error,SPE）。采用塔架振动RPCA模型，准确检测出风电机组变桨系统故障，验证了所研究方法的有效性。

关键词: 风电机组, 塔架振动, 状态监测, 相对主元分析（RPCA）, 数据采集与监控系统（SCADA）, 建模

Abstract: Vibration signal is one kind of important variables in supervisory control and data acquisition system （SCADA） for wind turbines. Based on SCADA data and wind turbine operating theory, this paper firstly analyzed the factors that had great influence on tower vibration. Then relative principal components analysis （RPCA） was used to model the tower vibration during the normal work of wind turbine combined with the SCADA data of a wind turbine between March and May 2011. Two statistic variables Hotelling T2 and SPE （squared prediction error） were calculated. The RPCA tower vibration model then was used to accurately detect the blade angle asymmetry fault, which could prove the effectiveness of this method.

Key words: wind turbines, tower vibration, condition monitoring, relative principal component analysis（RPCA）, supervisory control and data acquisition system（SCADA）, modeling

周进，房宁，郭鹏. 基于相对主元分析的风电机组塔架振动状态监测与故障诊断[J]. 电力建设, 2014, 35(8): 125-129.

ZHOU Jin, FANG Ning, GUO Peng . Tower Vibration Fault Diagnosis and Monitoring for Wind Turbines Based on RPCA[J]. ELECTRIC POWER CONSTRUCTION, 2014, 35(8): 125-129.

参考文献

［1］Hameed Z, Hong Y S, Cho Y M, et al. Condition monitoring and fault detection of wind turbines and related algorithms: a review ［J］. Renewable and Sustainable Energy Reviews, 2009, 13（1）: 1-39. ［2］张照煌, 丁显, 刘曼，等. 基于小波变换的风电机组传动系统故障与分析［J］. 应用基础与工程材料学报, 2011, 19（s）: 210-218. ［3］Yang W X , Richard C , Tavner P J. Bivariate empirical mode decomposition and its contribution to wind turbine condition monitoring［J］. Journal of Sound and Vibration, 2011, 330: 3766-3782. ［4］贺德馨. 风工程与工业空气动力学［M］. 北京: 国防工业出版社, 2006：124. ［5］朱鑫鑫,邵立峰. 基于PC104的风电机组在线振动状态监测系统［J］. 自动化应用,2013（10）:48-49. ［6］梁瑞庆,王浩,王炽欣. 风电机组塔架桩基础的基桩竖向力计算方法［J］. 电力建设,2010,32（6）:80-83. ［7］傅质馨,赵敏,袁越,等. 基于无线传感网络的海上风电机组状态监测系统构建方法［J］. 电力系统自动化,2014（7）:23-28. ［8］姚兴佳,刘颖明,刘光德,等. 大型风电机组振动分析和在线状态监测技术［J］. 沈阳工业大学学报,2007,29（6）:627-632. ［9］郭鹏, Infield D,杨锡运. 风电机组齿轮箱温度趋势状态监测及分析方法［J］. 中国电机工程学报,2011,31（32）:129-136. ［10］郭鹏, 徐明, 白楠，等. 基于SCADA运行数据的风电机组塔架振动建模与监测［J］. 中国电机工程学报, 2013,33（5）：128-136. ［11］文成林, 胡静, 王天真, 等.相对主元分析及其在数据压缩和故障诊断中的应用研究［J］.自动化学报，2008,34（9）:1128-1139. ［12］王天真, 汤天浩, 文成林. 相对主元分析方法及其在故障检测中的应用［J］. 系统仿真学报, 2007,19（13）: 2889-2894. ［13］胡静,刘荣利,文成林.基于相对主元分析的故障检测与诊断方法［J］.弹箭与制导学报,2007，27（3）:329-331. ［14］王海清, 宋执环, 王慧. PCA过程监测方法的故障检测行为分析［J］. 化工学报,2002, 53（3）:297-301. ［15］李想. 基于主元分析的工业过程故障诊断算法研究［D］. 沈阳：沈阳大学,2010.

[1]	蒋浩，林舜江，卢艺，何森. 考虑时间相关性的电动汽车充电站负荷概率建模及场景生成[J]. 电力建设, 2020, 41(2): 47-57.
[2]	高本锋，崔意婵，邵冰冰，刘毅，赵书强. 直驱风电机组全运行区域的次同步振荡特性分析[J]. 电力建设, 2020, 41(2): 85-93.
[3]	田艳军，陈映妃，王慧，王毅，高皓楠. 光伏级联DC/DC变换器模式切换稳定性分析及降压运行策略[J]. 电力建设, 2020, 41(1): 97-105.
[4]	范珊珊，王彬，薛屹洵，赵昊天，郭庆来，孙勇. 基于网络模型的综合能源系统参数辨识与效率识别[J]. 电力建设, 2019, 40(6): 33-40.
[5]	尹渠凯，米增强，贾雨龙，范辉. 基于改进K-means聚类的电力市场下分布式储能系统经济性调控模型[J]. 电力建设, 2019, 40(5): 20-27.
[6]	王志伟，李建岐，黄毕尧. 基于混合队列模型的配电网状态监测业务通信带宽预测[J]. 电力建设, 2019, 40(11): 1-7.
[7]	韩宇, 彭克，王敬华，徐丙垠，李俊格，赵曰浩. 多能协同综合能源系统协调控制关键技术研究现状与展望[J]. 电力建设, 2018, 39(12): 81-87.
[8]	郑宇，李杨，焦丰顺，文福拴，赵俊华，董朝阳. 含风电机组与电转气设备的虚拟电厂竞价策略 [J]. 电力建设, 2017, 38(7): 88-.
[9]	符杨，马媛，刘璐洁，唐征歧，屠聂华. 海上风电机组分阶段预防性维修策略[J]. 电力建设, 2017, 38(6): 124-.
[10]	张硕，曾鸣，刘敦楠, 李英姿. 能源互联网双侧演化过程的复杂适应特性[J]. 电力建设, 2017, 38(4): 34-.
[11]	石吉银，唐志军，林国栋，李超，晁武杰，邹焕雄. 模块化多电平换流器无环流仿真模型[J]. 电力建设, 2017, 38(3): 27-.
[12]	蒋容，张英敏，刘凯. 双馈风电机组抑制电力系统低频振荡的鲁棒控制策略[J]. 电力建设, 2017, 38(10): 41-.
[13]	兰飞，姚知洋，黎静华，陶丽. 双馈风力发电机空载并网运行控制建模与仿真研究[J]. 电力建设, 2016, 37(9): 123-.
[14]	田利，张阳，李德鑫. 提升低电压穿越能力的功率型储能系统容量配置及控制策略[J]. 电力建设, 2016, 37(8): 84-.
[15]	陈玉芳，周立丽. 光伏-超级电容器混合系统的建模与控制[J]. 电力建设, 2016, 37(7): 91-98.

基于相对主元分析的风电机组塔架振动状态监测与故障诊断

Tower Vibration Fault Diagnosis and Monitoring for Wind Turbines Based on RPCA

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

本文评价