硕士研究生学位论文_风力发电机组非参数模型状态监测关键问题研究.doc
《硕士研究生学位论文_风力发电机组非参数模型状态监测关键问题研究.doc》由会员分享,可在线阅读,更多相关《硕士研究生学位论文_风力发电机组非参数模型状态监测关键问题研究.doc(45页珍藏版)》请在三一文库上搜索。
1、风力发电机组非参数模型状态监测关键问题研究 风力发电机组非参数模型状态监测关键问题研究 硕士学位论文硕士学位论文 风力发电机组非参数模型状态监测关键问题 研究 Research on Non-parameter Model Condition Monitoring of Wind Power Unit 风力发电机组非参数模型状态监测关键问题研究 风力发电机组非参数模型状态监测关键问题研究 工学硕士学位论文 风力发电机组非参数模型状态监测关键问题 研究 硕士研究生: 导 师 : 申请学位:工学硕士 学科:控制科学与工程 专业:检测技术与自动化装置 所 在 学 院:控制与计算机学院 答 辩 日 期
2、: 授予学位单位 :华北电力大学 风力发电机组非参数模型状态监测关键问题研究 风力发电机组非参数模型状态监测关键问题研究 Classified Index: TM614 U.D.C: 621.3 Dissertation for the Master Degree in Engineering Research on Non-parameter Model Condition Monitoring of Wind Power Unit Candidate: Supervisor:Prof Academic Degree Applied for:Master of Engineering Spe
3、ciality: Detection technology and automation equipment School: School of Control and Computer Engineering Date of Defence: March, 2013 Degree-Conferring-Institution: North China Electric Power University 风力发电机组非参数模型状态监测关键问题研究 风力发电机组非参数模型状态监测关键问题研究 华北电力大学硕士学位论文原创性声明 本人郑重声明:此处所提交的硕士学位论文风力发电机组非参数模型状态监测
4、 关键问题研究 ,是本人在导师指导下,在华北电力大学攻读硕士学位期间独立进 行研究工作所取得的成果。据本人所知,论文中除已注明部分外不包含他人已发 表或撰写过的研究成果。对本文的研究工作做出重要贡献的个人和集体,均已在 文中以明确方式注明。本声明的法律结果将完全由本人承担。 作者签名: 日期: 年 月 日 华北电力大学硕士学位论文使用授权书 风力发电机组非参数模型状态监测关键问题研究 系本人在华北电力大学 攻读硕士学位期间在导师指导下完成的硕士学位论文。本论文的研究成果归华北 电力大学所有,本论文的研究内容不得以其它单位的名义发表。本人完全了解华 北电力大学关于保存、使用学位论文的规定,同意学
5、校保留并向有关部门送交论 文的复印件和电子版本,允许论文被查阅和借阅,学校可以为存在馆际合作关系 的兄弟高校用户提供文献传递服务和交换服务。本人授权华北电力大学,可以采 用影印、缩印或其他复制手段保存论文,可以公布论文的全部或部分内容。 本学位论文属于(请在以上相应方框内打“”): 保密,在 年解密后适用本授权书 不保密 作者签名: 日期: 年 月 日 导师签名: 日期: 年 月 日 华北电力大学硕士学位论文 I 摘 要 风力发电作为一种清洁的可再生能源利用方式,近年来在世界范围内获得了 飞速的发展,其中风力发电机组大型设备状态监测成为风电研究领域的重要组成 部分。本文在近几年国内外关于风电机
6、组状态监测研究成果的基础上,针对风力 发电机组控制、风力发电机组的运行以及风电机组仿真的需要,展开对状态监测 关键问题的研究,主要工作内容和创新成果如下: 1. 详细分析了风力发电机组状态监测的现状,提出基于非参数建模状态监测 方法的两个关键问题:输入变量集选取及残差处理。 2. 由于在建立机组各部件重要测量参数的预测模型时,该测量参数预测模型 的输入变量集的确定,是建立其准确模型的关键,因此,预测模型输入变量集的 确定是影响预测模型精度的重要因素。本文详细分析了变量集之间的相关关系及 判断变量参数相关关系的方法,建立风电机组齿轮箱温度的 IPSO-BP 状态监测模 型,并依据相关关系定量分析
7、的结果来选取 IPSO-BP 模型的输入变量集,通过对 比分析残差结果,总结出非参数模型输入样本集选取的方法。 3. 在风力发电机组非参数预测模型的残差统计方法中,合适的滑动窗口能够 消除由于测量误差,机组启停等偶然因素造成的孤立的较大残差的影响。本文详 细分析了双滑动窗口残差统计的方法及原理,指出了双滑动窗口具有能够抑制孤 立异常残差的作用,并利用 IPSO-BP 预测模型加以验证。 关键词:状态检测、相关性分析、残差统计方法、双滑动窗口、IPSO-BP 模型 华北电力大学硕士学位论文 II Abstract As a clean and renewable utilize way, the
8、 wind power has been developed worldwide in recent years, and the condition monitoring of the large equipment of the wind power units has become the important part. On the bases of the research achievement of condition monitoring on the wind power units in recent years, this article aims at the requ
9、irements on the control, operation and the simulation of the wind power unit, and research on the main issues of condition monitoring, the main content of work and the innovate achievement are as follows: 1.It analysis the current situation of the condition monitoring on the wind power unit in detai
10、ls, and come up with two issues in the field of condition monitoring, one is regarding the selection of input variable and another one is regarding the dispose of residual. 2. The key point of establishing accuracy model is determined by the measure parameter of input variable sets when the forecase
11、 models of the main measure parameters of each component is established. The article analysis the judge method and the relative relationship among the variable sets, establish the IPSO-BP condition monitoring model regarding the temperature of bearings of wind power units. It will selected the input
12、 variable sets of the IPSO-BP models according to the analysis results of the relative relationships, and it will refine the selection ways of non-parameter model input samples in contrast to the results of residual. 3.In the statistical methods of residual regarding non-parameter forecase models of
13、 the wind power units, the suitable of the slipping windows can eliminate the impacts caused by measure errors and occasional reasons, for example the shut down of the units. The article analysis the mothed and principle of the duplex slipping windows in details, it indicates the suppression fuction
14、 on the abnormal residual by using the duplex slipping windows, then, confirms it by using the IPSO-BP forcase models. Keywords: condition monitoring, relativity analysis, statistical methods of residual, double slipping windows, IPSO-BP models 华北电力大学硕士学位论文 I 目 录 摘摘 要要I ABSTRACTII 目目 录录 .I 第第 1 章章 绪
15、绪 论论.1 1.1 本文研究的目的和意义.1 1.2 风力发电机组状态监测的研究.2 1.2.1 风力发电机组状态监测的必要性.3 1.2.2 国内外研究现状.3 1.3 本课题的主要研究内容.5 第第 2 章章 基于基于 IPSO-BP 模型状态监测的研究模型状态监测的研究.6 2.1 引言 6 2.2 IPSO-BP 神经网络基本原理.7 2.3 基于 IPSO-BP 模型状态监测 .8 2.3.1 IPSO-BP 网络结构及训练样本的选择.8 2.3.2 IPSO-BP 网络的训练及验证过程.10 2.4 齿轮箱温度 IPSO-BP 神经网络模型预测残差统计分析 .12 2.4.1 滑
16、动窗口残差均值与标准差统计12 2.4.2 齿轮箱工作异常时温度残差统计特性分析.13 2.4.3 齿轮箱预测残差分析.14 2.5 本章小结.16 第第 3 章章 关键问题一:非参数模型输入变量集选取关键问题一:非参数模型输入变量集选取.17 3.1 引言 17 3.2 相关性分析的概述 18 3.3 基于 IPSO-BP 模型输入变量集选取的比较分析 .19 3.3.1 作散点图19 3.3.2 从物理和能量转换的角度分析参数与齿轮箱温度的相关关系22 3.3.3 基于 IPSO-BP 模型输入变量集选取的比较分析23 3.4 本章小结 26 华北电力大学硕士学位论文 II 第第 4 章章
17、 关键问题二:基于莱特准则的双滑动窗口残差统计方法关键问题二:基于莱特准则的双滑动窗口残差统计方法.27 4.1 引言 27 4.2 基于莱特准则的双滑动窗口残差统计方法 28 4.2.1 莱特准则判别方法28 4.2.2 双滑动窗口残差统计方法概述29 4.3 基于 IPSO-BP 模型双滑动窗口残差统计方法 .30 4.4 本章小结 31 第第 5 章章 结论与展望结论与展望.33 参考文献参考文献.35 攻读硕士学位期间发表的论文及其它成果攻读硕士学位期间发表的论文及其它成果.38 致致 谢谢.39 华北电力大学硕士学位论文 1 第 1 章 绪 论 1.1 本文研究的目的和意义 能源,是
18、现代文明发展不可或缺的因素,在推动社会经济飞跃发展中起着至 关重要的作用。基于能源供应的可靠性、安全性和能源利用的高效性、清洁性, 能源在世界各国经济可持续发展的道路上扮演着越来越重要的角色1。长期以来, 化石能源作为世界能源的主要供应方式倍受各国关注,化石能源的形成过程极其 漫长,其储量有限,属于非可再生能源。在工业化逐步实现的过程中,地球上大 量丰富的自然资源被过度开发和使用,其中能源资源占很大比例。传统能源紧缺 己经成为一个焦点问题,世界各国都在积极采取应对的措施。我国同样也面临着 严重的能源问题,文献2中截至 2009 年底,我国的可探明能源储量情况如表 1-1 所示: 表 1-1 2
19、009 年底我国能源储备 序号名称储量(亿吨)可供开采时间(年) 1石油2214 2煤炭900100 kM i1 A0.01i k1 ii1 kk1 1( ) N xkA 添加 XN(k)到 D 结束 N N N Y Y Y 图 2-1 根据功率变量 x1构造训练样本集 图中为 0.001。对剩余的 4 个变量,均采用与图 2-1 相同的流程以 0.005 为 步距从集合 K 中选择观测向量添加到训练样本集中。采用此方法构造训练样本集, 能够将组成观测向量的 5 个变量的不同测量值对应的历史记录选入训练样本集中, 从而使其能较好地覆盖齿轮箱正常工作空间。 最后,构造验证样本集 华北电力大学硕士
20、学位论文 10 选取 SCADA 历史数据中从 4 月 1 日 0 时到 4 月 6 日 0 时的 720 个历史记录作 为验证集。在此时段,该机组共发生 3 次停机,各次停机的 SCADA 记录如表 2-2 所示。 表 2-2 4 月 1 日至 6 日机组停机记录 序号日期时间状态号停机原因 12006/04/022:28:4377齿轮箱油超温 22006/04/027:42:1377齿轮箱油超温 32006/04/0311:14:35147指令停机 需注意的是,对于实际风电机组,报警停机与设备故障之间没有必然联系。 如表 2-2 中虽然发生了 2 次齿轮箱油超温报警停机,但在该机组 4 月
21、份及后续月份 的 SCADA 记录和运行日志中未发现齿轮箱故障和维修的记录。部分报警停机属于 机组自身的保护功能。在 4 月份,齿轮箱工作正常,无超温或其他故障。 2.3.2 IPSO-BP 网络的训练及验证过程 通过对样本对的反复学习,IPSO-BP 网络的误差达到了系统平均误差的要求 (0.02),网络的权值调整完毕。为了检验模型的有效性,将测试样本作为网络的输 入。在 4 月份的历史记录中,齿轮箱温度的最大值为 74.1 ,最小值为 50.2 。 环境温度的最大值为 20 ,最小值为13 。记齿轮箱温度的 BP 神经网络模型 预测残差为 (2-9) 55 GT xx 式中:为齿轮箱温度实
22、际测量值;为 IPSO-BP 网络对该实测温度的估 5 x 5 x 计值。验证结果见图 2-2。图中各变量的值均为归一化后的结果。当功率为 0 时 即机组停机时,IPSO-BP 模型对齿轮箱温度不进行预测,对应的齿轮箱温度预测 值为 0,对应的残差为 0。预测值为 0,对应的残差为 0。 华北电力大学硕士学位论文 11 图 2-2 某机组 4 月 1 日至 6 日的 IPSO-BP 模型验证结果 在图 2-2 中,某些孤立时刻的齿轮箱温度的预测残差明显大于其他时刻。且这 些预测残差大的点是成对出现的,共 3 对,其位置和出现原因如表 2-3 所示,与表 2-2 中的机组的 3 次停机时刻完全对
23、应。 表 2-3 验证结果中残差大的位置与原因 序号位置时刻残差值原因 第 160 点04/02 2:300.09202 2006/04/02 2:28:43 发生齿轮箱 油超温停机 1 第 182 点04/02 6:100.1023 2006/04/02 5:58:56 System OK 机组重启 第 192 点04/02 7:500.09567 2006/04/02 7:42:13 发生齿轮箱 油超温停机 2 第 205 点04/02 10:00-0.2029 2006/04/02 9:56:56 System OK 机组重启 第 357 点04/03 11:200.09563 2006
24、/04/03 11:14:35 指令停机 3 第 366 点04/03 12:500.1369 2006/04/03 12:43:03 System OK 机组重启 在表 2-3 中这些时刻出现预测残差大的原因如下:由于在这些时刻即机组停 华北电力大学硕士学位论文 12 机和重新启动时,观测向量中各变量之间的关系与风电机组和齿轮箱正常运行时 的状态差别很大(如当风速很高时功率低或为零) ,观测向量偏离正常工作空间, 通过训练样本集中的历史观测向量的组合无法给出精确的预测值,导致残差增大。 这种由于启停机造成的孤立残差较大的点不应视为齿轮箱故障的出现 。去除以上 由于停机导致的残差很大的 6 点
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 硕士研究生 学位 论文 风力 发电 机组 参数 模型 状态 监测 关键 问题 研究
链接地址:https://www.31doc.com/p-3959714.html