基于數據的風電機組故障趨勢預測方法研究.pdf

1、近年來許多風電場建成投產，運營公司最關注的內容在于減少成本、提高效率，增加風電機組服役時間。目前風力發(fā)電設備的維護技術還不成熟，遠遠達不到風力發(fā)電機組發(fā)展的要求。葉片、齒輪箱、主軸、發(fā)電機等關鍵部件的損壞在風電機組運行過程中十分常見，還不時發(fā)生風電機組倒塌的重大事故。齒輪箱是雙饋風力發(fā)電機組運行和維護的關鍵設備，不僅具有較高的故障率，而且一旦發(fā)生故障，耽擱較長的維修時間，造成巨大的經濟損失。
　　本文對風電機組齒輪箱故障趨勢預測方

2、法進行研究，旨在于判斷齒輪箱的未來運行狀態(tài)，預測發(fā)展趨勢，估算剩余壽命，為風電機組的運行與維護提供重要的參考與依據。
　　首先，本文對風電機組齒輪箱的常見結構進行簡要概述，基于齒輪箱最為普遍的四種故障模式（疲勞模式、磨損模式、過載模式和腐蝕模式），對齒輪箱的典型故障類型進行描述。
　　其次，基于預測理論的介紹和前提假設，運用基于齒輪箱振動數據的趨勢預測方法（BP神經網絡模型、Elman神經網絡模型、小波神經網絡模型）對一組故