海上风电机组齿轮箱进口油温异常预测

由于海上风电机组齿轮箱要长期承受无规律的变向变载荷的风力作用以及强阵风的冲击,为保证风电机组可靠运行,对齿轮箱进口油温进行异常预测。结合风电机组SCADA运行数据提出了一种基于SVM-RFECV算法和BP神经网络的风电机组齿轮箱进口油温异常预测方法。首先完成数据的预处理,然后利用SVM-RFECV算法计算不同变量的重要度,并选择平均交叉验证均方误差的最小变量组成最优特征,最后利用选取的最优特征数据建立的BP神经网络的预测模型,实现对风电机组齿轮箱进口油温异常预警。通过海上某风电场现场实际SCADA数据对模型进行验证,结果表明提出的方法能有效实现对风电机组齿轮箱进口油温异常预测。     

海上风电机组齿轮箱轴承预警研究与应用

为实现海上风电机组齿轮箱轴承温度预警,文章研究了齿轮箱轴温在不同工况下的变化情况,使用齿轮箱在不同工况下正常运行状态的数据来构建健康运行的状态空间,将实际运行数据与健康状态空间进行比较,差异较大的机组给出报警。目前该方法已在多个风电场实现推广应用,经现场验证,该方法可为提升风电场运维人员的检修效率、管理水平及经济效益提供助力。     

基于场级协同的风电机组安全控制技术

文章提出了一种基于场级协同的风电机组安全控制技术,该技术主要基于风电场场级控制平台,该平台支持通过多种通信接口对风电机组主控和传感器数据进行采集,实现各设备之间信息互联互通,并凭借其强大的数据分析和科学计算能力,实现各种智能控制算法的实时运行。风电场部署场级控制平台后,可通过智能算法识别机组是否存在风险,对风险机组进行机舱航向校准,并计算该机组所处位置的绝对风向及前后排位置分布情况,风电场前排机组遭遇极端外部条件时,后排机组提前动作,降低极端外部条件给机组带来的风险,提升风电机组运行稳定性,降低风电场整体载荷水平,从而控制风电机组故障率。海上风电运维环境恶劣、条件复杂,带来了极高的运维成本,通过该技术降低故障率可减少海上风电运维成本。     

海上风电机组风速仪异常智能诊断算法及应用

风速仪作为海上风电机组唯一测风装置，是机组启、停控制重要输入，因此风速仪的工作状态对海上机组整体控制尤为重要。部分海上机组安装机械式风速仪，该风速仪为旋转传感器，机组测量叶轮转速一般用光电传感器，一般而言光电传感器运行可靠性要比旋转类传感器可靠性高，文章通过挖掘叶轮转速和风速之间的函数关系，建立通过叶轮转速识别风速仪是否异常的预警算法。     

大型海上风电机组整机涡激仿真

随着海上风电机组朝着大型化发展,塔筒高度和叶片长度都显著增加,并且海洋风比陆地风的湍流度更小,这些因素使得大型海上风电机组在吊装或停机状态下频繁出现涡激振动现象。涡激振动增大了风电机组发生强度失效以及疲劳寿命降低的风险。为研究大型海上风电机组整机涡激振动的机理,文章采用仿真方法对某大型海上机组实际发生的涡激振动现象进行复现和分析：首先对风电机组进行流场分析,然后提取流场分析得到的时序载荷,施加到风电机组有限元模型上,进行瞬态分析,从而实现流固耦合仿真。仿真结果表明：风电机组的涡激振动是一种流固耦合现象,主要原因是,在特定风况条件下,气流在塔筒和叶片的壁面处形成周期性脱落的漩涡,对壁面产生周期性的反向载荷。当载荷频率与机组振动的固有频率接近时,使机组发生共振。文章通过仿真方法揭示了大型海上风电机组发生涡激振动的机理,对提出风电机组涡激振动防治策略具有参考意义。     

海上风电电气设备运行环境分级评价方法及应用研究

通过研究海上风电电气设备运行环境分级评价方法,了解海上风电电气设备实际服役环境条件,指导海上风电电气设备设计、选材和运维,保障其长效安全运行的同时,实现制造和运维的降本增效。在线或离线采集温湿度、盐雾、腐蚀性气体、腐蚀速率、振动等电气设备运行环境因素,积累大量现场运行环境数据,并结合环境模拟试验和大数据分析技术,研究电气设备服役环境分级方法。通过对有别于陆上风电的影响海上风电电气设备运行的关键环境因素分级评价,指导海上风电电气设备的精准设计、精准选材和精准运维,有效避免因锈蚀、凝露、异常发热等海上特殊环境因素带来的设备运行风险,实现海上风电生产和运维的降本增效。     

中国海装大型风电机组项目获科技部立项

正近日,由中国船舶重工集团海装风电股份有限公司(简称"中国海装")承担的国家重点研发计划"大型海上风电机组及关键部件优化设计及批量化制造、安装调试与运行关键技术"获得了国家科技部立项,该科研项目将提升海上风电机组的可靠性,提高关键零部件的国产化率,满足我国海上规模开发对大型机组的应用需求。该项目总投入1.8亿元,研究周期为4年。     

航标运行状态模式识别和数值预测

针对航标运行状态模式识别依赖经验阈值的现状,为检验经验阈值是否具有普适性,提出基于概率的阈值模式识别效率度量算法。实验结果表明:该算法能准确度量阈值的模式识别效率;经检验,经验阈值不具备普适性。因而,提出基于概率的模式识别模型。实验结果表明:以概率作为阈值具有普适性,该模型能准确识别频繁模式和异常模式,且性能更好。为实现数值预测,提出基于概率密度的加权平均算法。实验结果表明:该算法的预测精度较高。本文为航标运行状态模式识别和数值预测提出了新的解决方案。     

轴承振动信号自适应诊断建模方法

通过时频分析提取滚动轴承运行状态的振动信号特征参数,经标准化处理后,选择T-SNE降维技术,获得训练样本,研究基于随机森林的故障诊断模型,识别滚动轴承运行状态。经试验验证,该方法诊断准确率达到96%,将该方法应用于滑动轴承,准确率也达到94.6%。T-SNE降维技术可以自动选择适用于不同类型轴承的特征参数;随机森林作为一种机器学习方法,能根据数据的内在规律自动建立适用于不同类型轴承的故障诊断模型。研究表明,T-SNE与随机森林相结合应用于轴承故障诊断具有较好的准确率和通用性。     

海上风机叶根螺栓瞬态应力分析与可靠性优化

大兆瓦海上风电机组叶根螺栓螺纹副预紧载荷分布非均匀行为是诱发螺栓在高预紧状态下预紧力早期衰退的最主要原因之一。结合海上风机叶根螺栓的预紧工艺,文章从螺纹副载荷非均匀分布行为入手,提出了一种基于螺纹副载荷分布计算的螺纹参数匹配与连接工艺优化方法。首先,构建了参数驱动的螺纹副精细化有限元瞬态动力学模型,并对螺纹牙型角、螺距等特征进行了参数化建模,计算了采用拉伸法工艺预紧叶根螺栓过程中标准螺纹副受载历程与载荷分布状态;然后,搭建了基于拉伸法工艺预紧螺栓的试验系统,以螺栓预紧力瞬时衰减值为判据验证了螺纹副载荷分布行为有限元计算模型的有效性与精度。最后,以某型10 MW级风电机组用M36高强度螺栓为工程应用对象,基于叶根螺栓拉伸法预紧工艺下螺纹副载荷分布对其螺纹特征进行了参数化适配设计。结果表明：采用本文提出的方法,有效控制了拉伸法预紧螺栓过程中的预紧力损失,降低了螺牙的最大结构应力的同时改善了螺纹副的应力分布,有利于提高风电机组的运行可靠性。     

基于多尺度随机动态模型的惯性器件数据融合估计

结合离散小波变换、动态系统理论及随机过程理论,建立了以尺度为变量的多尺度随机动态模型,并给出状态基于多尺度随机动态模型的多尺度递归数据融合算法,实现了在状态基于全局观测信息的优化估计值。该算法可以在无状态模型情况下进行数据融合,适用于难以获得或获得的状态模型不精确的情况。将此方法用于陀螺信号处理中,通过不同尺度下陀螺观测值的融合,陀螺信号的精度有明显的提高。仿真和实验均证明该算法是一种有效的数据融合算法。     

基于随机森林和支持向量机的船舶柴油机故障诊断

针对船舶低速二冲程柴油机故障的分析问题,提出基于随机森林和支持向量机的船舶柴油机故障诊断方法。对船舶低速二冲程柴油机MAN BW 6S50MC-C建立故障仿真模型并验证其有效性;在此基础上,通过故障仿真模型生成故障样本。运用基于随机森林的VarSelRF特征选择算法对故障数据进行降维,提出运用支持向量机对降维后的故障数据进行分类的方法。通过仿真试验验证并分析该方法的有效性。     

海上风电技术特性对比分析

从海上风能开发利用的技术包括所涉及风电场建设(机组排列、安装及运输、运行监控等)、风电机组设计、并网(海上高压系统、海底电缆、岸上接入设施等)等方面,对比分析海上风电与陆上风电的技术差异,结果表明海上风电在基础安装、运营维护等方面较陆上风电要求更高、难度更大。为进一步发展海上风电提供了参考。     

海上风力发电液力调速控制系统分析

液力调速行星齿轮装置通过改变液力变矩器导叶开度,可以将变化的风速恒速输出,使得风轮追踪最佳风轮速度,提高海上风能利用率,保证同步发电机的转速维持同步转速,使发电频率稳定,不需要变频装置,提高风电机组的可靠性。建立海上风电机组传动系统的数学模型,分析液力调速行星齿轮装置参数对海上风电机组系统性能的影响规律。根据海上风电机组的运行特点和要求设计液力调速齿轮控制系统。     

海上风电项目机组安装质量控制要素

风电机组安装是海上风电项目开展的重要环节,其安装质量对后期运营起着十分重要的保障作用。受限于当前海上风电产业链的影响,风电机组由不同的制造厂商完成生产后再运输至现场进行安装,因此,风电机组的整体安装质量取决于机组进场安装前的验收准备工作与机组安装过程这两个阶段的质量控制。本文通过分析海上风电项目的特点,总结出风电机组安装环节的质量控制要素,为提高海上风电机组安装质量提供了重要参考。     

基于枚举法的海上风电智能运维调度模型

调研国内极具代表性的某“双十”（离岸超过10 km,水深超过10 m）海上风电场运营与维护业务流程,聚焦海上风电运营与维护中突出的掣肘难点,设计并构建海上风电智能运维调度模型,固化模型的输入信息、约束条件和输出信息,编写核心程序函数代码,采用典型的智能寻优算法进行模型求解。将信息化数据与模型算法结合,形成完整的海上风电智能运维调度计算策略,输出短期或长期的兼顾总运维工时最短、船舶行驶路径安全、运维成本最低、发电收益最大且运维人员体验感良好等多因素的作业调度方案,打造海上风电智慧运维平台,推动国内海上风电智能运维调度技术发展。     

基于改进多阈值方法的舰船发电用柴油机增压器润滑失效预测

针对舰船发电用柴油机增压器的润滑失效问题,提出一种改进多阈值方法来实现对多工况异常情况的实时预测.该方法包含两部分,首先参考滑动平均滤波法对比分析各机组的运行数据,实现对异常数据的提取;其次采用一种基于外部特性法的箱型图法对分析后提取的异常数据进行多阈值表达式的设定.为了验证方法的有效性,基于某发电用柴油机在发电机工作...     

基于随机森林算法的船舶电站故障诊断

针对船舶电站故障诊断中常用的BP神经网络算法存在的收敛速度慢和诊断准确率不高等问题,提出一种基于随机森林算法的船舶电站诊断模型。在Simulink软件中搭建船舶电站故障模型,通过在Simulink中仿真得到船舶电站故障数据,分析基于随机森林算法的船舶电站故障诊断原理。在MATLAB软件中分别建立基于随机森林算法和BP神经网络算法的船舶电站故障诊断模型,并对二者的故障诊断结果进行对比分析。结果表明,基于随机森林算法的诊断模型相比基于BP神经网络的诊断模型,能显著提高船舶电站故障诊断的效率和准确率。     

基于机器学习的船舶机舱设备状态监测方法

[目的]为实现船舶机舱设备的智能状态监测,引入机器学习算法,提出一种结合流形学习和孤立森林的船舶机舱设备状态监测方法。[方法]由于船舶机舱设备的状态监测数据是多维度数据,基于该监测系统,通过流形学习来提取有效的数据特征,实现对原始数据的降维,减少数据复杂度。基于孤立森林算法,在仅利用正常工况数据集的情况下,训练并构建多个子森林检测器,用于实现对目标设备的故障监测。在Matlab/Simulink环境下建立大型船舶二冲程柴油机模型,对其正常工况和故障工况下的数据进行仿真,以验证该方案的有效性。[结果]通过状态仿真数据对不同故障监测方案性能的比较,验证了所提故障监测方案具有98.5%的故障检测率和3%的故障虚警率。[结论]所提方法能显著提高船舶机舱设备的故障监测性能。     

基于机舱式多普勒脉冲激光雷达测风的风速重构技术

近年来,激光雷达测风已经成为一种可靠的风速测量技术,为了在风电机组控制和监测中准确高效的使用激光雷达测风数据,需要对激光雷达测风数据进行高效、快速、准确的实时处理。目前机舱式激光雷达测风面临如下问题：激光雷达在受到来流风时会跟随机舱振动,导致实测数据波动进而对风速重构算法产生影响;激光雷达会受到风电机组叶片遮挡,导致实测数据缺失或出现无效数据。本文通过合理配置激光雷达参数,以雷达测风数据作为研究对象,对测风数据进行数值修正,消除机舱振动带来的误差,开发出一套先进先出嵌套循环判断填充算法解决叶片遮挡问题,建立线性剪切风场模型,基于递推最小二乘法求解风场特征参数,最后通过泰勒冻结湍流假说计算风轮面转子有效风速,与机舱内控制参数反演出的转子有效风速进行对比,得出两组数据相关性在0.9374,两组数据差值的标准差为0.3429,结果证明在实际应用中,使用该配置参数的激光雷达通过坐标修正和数据填充等技术手段,开发的风速重构模型算法能够准确的为风电机组控制系统提供可靠的控制输入参数。