基于狀態(tài)監(jiān)測信息的風電機組齒輪箱故障預測研究.pdf

1、近些年來，風電成為世界上發(fā)展最快的可再生能源，據(jù)政府計劃，到2020年我國風電的裝機容量將達到30GW。風力發(fā)電機組的復雜性，而且風電廠多地處偏遠，甚至位于海上，使設備的維修費用成為目前風電廠的最大支出之一。因此針對風力發(fā)電設備的維修需要更為有效地維修策略。如果在故障發(fā)生前做出預測，就能夠提前制定檢修計劃，合理的安排檢修人員與物資，減少因風電機組突然停機造成的損失，保證機組正常持續(xù)運行。因此，研究改進風電機組關鍵部件的故障預測算法，對降

2、低風電場運行、檢修成本和提高風電機組運行可靠性具有重大意義。
　　 本文首先介紹了風機組成及風機狀態(tài)監(jiān)測現(xiàn)狀，著重介紹了風機齒輪箱的運行、維護及發(fā)生故障的主要形式。在對風機進行有效監(jiān)測獲取實時監(jiān)測信息的基礎上，引入兩種狀態(tài)預測算法-改進灰色算法和時間序列法，分析了它們的預測特點及適用范圍。首先將改進灰色預測算法應用于風機齒輪箱監(jiān)測溫度數(shù)據(jù)的實時預測，提前預知了溫度的變化，結合經(jīng)驗閾值，做出風機停機的決策。接著，本文運用時間序列分