简介:摘要:随着能源的日益短缺,风能以其清洁、安全、可再生的特点成为各国开发和研究的热点。在风能转化为电能的过程中,风力发电机起着关键作用。一旦运行过程中出现故障,发电机组的效率就会降低,甚至停机,造成更大的经济损失。同时,风电场位置偏远,给设备的维护和维修带来不便。因此,采取有效措施对风力发电机组进行在线实时状态监测,及时发现故障并进行维护,对安全生产具有重要意义。据统计,在所有环境因素中,振动引起风机故障的比例最大,因此仅通过“轴承振动检测法”对轴承振动进行间接单点监测,在反映风机叶片故障方面能力有限,准确性较低。根据目前风电场对风机振动检测的需求,构建了风机叶片振动检测的网络模型,开发了基于数字信号处理器平台的振动监测系统。研究分析了作用在叶片上的风力在三维空间变化时振动的时域和频域信号。该系统能够及时发现风力发电机叶片的早期故障,避免机器的严重损坏和事故。
简介:为满足风机运营商对设备故障实时监控和预测的需求,探讨了基于自回归积分滑动平均模型(ARIMA)和非线性自回归神经网络模型(NARNN)的组合模型NARIMA。实现方法为:建立ARIMA模型用于预测数据的线性成分,用NARNN模型预测由ARIMA模型预测产生的残差部分,对风机叶片结冰故障的时间序列进行拟合,得到的NARIMA模型可实现对风机叶片结冰故障准确预测。仿真结果表明:NARIMA模型能较好地拟合所给时间序列,预测值符合实际情况和趋势,证明了NARIMA模型的有效性。
简介:摘要:风机是卷烟厂辅助生产的关键设备,涉及制丝车间的排潮系统、除尘系统、卷接机组集中工艺风力除尘系统及风力送丝系统。早期卷烟厂采用单机工艺风力供给和多机集中除尘,生产线技改后,工艺风力(吸丝成型,烟支和滤嘴接装成型)与除尘风力融合,变成集中式的工艺风力供给和除尘系统。因此,一旦风机出现故障,风压不稳,会严重影响成品烟支质量,出现烟草粉尘污染,整个生产车间无法正常运行。卷烟厂采取的以“计划维修”为主的设备检修方式,通常伴随“维修过剩”或“维修不足”的问题。将故障诊断技术应用到卷烟厂风机设备,有助于降低风机的故障率,降低维修工作量及维修费用,提升设备的管理水平。
简介:摘要随着社会经济的不断发展和传统化石能源的逐渐枯竭,风能作为新型能源得到了越来越多的开发和利用,特别是在电力行业。然而,由于风资源影响因素较多,风功率预测系统的研究在世界范围内得到重视,并取得了许多研究成果。目前,我国风功率预测系统的研究也取得了相应的进展,尽管还存在许多不够成熟的地方,但是随着科技的进步和社会的发展,风功率预测系统所采取的NWP数据精确性也会逐渐提高,这些都有利于风功率预测系统准确性的提升和风力发电行业的发展,从而推动我国能源结构的改善。