[00740259]大型风力发电机组状态监测与故障诊断技术研究

1．项目属于自动化控制技术领域，主要技术创新内容如下。(1)提出了基于专家知识、模糊神经网络和小波分析三种推理模式集成的风力发电机组综合诊断策略和系统结构；建立了风力发电机故障智能诊断系统；利用模糊神经网络构造了风力发电机常见运行故障的专家诊断知识库，实现了风力发电机的综合故障诊断。(2)将故障诊断与容错控制技术应用于风力发电机控制系统中，采用动态硬件冗余的容错控制，实现了在制动系统执行器失效时，系统仍能安全制动。提高了设备运行的安全性与可靠性，避免事故的发生。(3)利用神经网络的自学习能力来对风力发电机制动闸衬垫摩擦系数的质量模糊综合评判中的权重进行学习，使衬垫质量的评判结果能更加符合实际，从而得出正确的结论。(4)利用人工神经网络分析了制动闸的闸瓦温升、滑速、比压与摩擦系数的映射关系，建立了闸瓦摩擦系数的综合预测模型，研究了闸瓦温升与摩擦系数对制动安全的影响。(5)利用小波网络对衬垫磨损、制动盘偏摆度、闸瓦磨损度等特征参数进行趋势预测，提高预知维修性，经过仿真和实例验证，结果满足实际要求，预测效果较好。(6)提出了采用一种综合性的安全控制策略来提高风力发电机运行的可靠性。这种安全控制策略的一个主要特征就是综合考虑内部故障、外部环境以及人员误操作等多种因素对系统安全性的影响。它将故障诊断、模糊控制等多项技术进行集成，使控制系统更加安全可靠。(7)开发了1.25MW的SEC-1250机组的SCADA系统，具有状态监测、控制和故障诊断功能。(8)开发了2MW的W2000SCADA系统，具有状态监测、控制、故障诊断和强大的远程通讯能力。2．该项研究的科学技术意义和应用情况：通过开展对风力发电机状态监测的研究开发，能够对风机运行状态进行实时监测，了解了风力发电情况，从而为电力系统合理调度创造了条件。