本文利用设备历史数据,根据最小二乘法理论,设计了寿命预测方法,并且对预测过程中可能出现的情况进行了讨论,该方法能够对风力发电机在短期内的运行情况进行预测。 系统基于B/S网络结构,利用模块化的思想进行设计,网页开发采用ASP技术,程序开发采用Java语言。数据以离线的方式进行采集,为了对...BS模式|风力发电机
绪论1.1课题的研究背景及意义本文源于教育部科学技术研究重点项目《兆瓦级风力发电机组齿轮箱早期故障诊断方法研究》，项目编号:1090470缓解能源危机、开发可再生能源、降低环境污染成为世界各国能源发展战略和实施环境保护的重大举措。风能作为可再生能源的重要类别，是地球上最古老、最重要的能源之一。它在全球范围内的巨大蕴藏量、可再生、分布广、无污染的特性，使风能发电成为世界可再生能源发展的重要方向【’]。全球的风能约为2.74X109MW，其中可利用的风能为2X1护MW，比地球上可开发利用的水能总量还要大10倍。风力发电是世界上增长最快的发电技术，风电装机容量每年都有较大的增长。截止到2008年12月底，全球的总装机容量己经超过了1.2亿千瓦。2008年，全球风电增长速度达到28.8%，新增装机容量达到2700万千瓦，同比增长36%02008年，欧洲、北美和亚洲仍然是世界风电发展的三大主要市场，三大区域新增装机分别是:887.7,888.1和858.9万千瓦，占世界风电装机总容量的90%以上。从国别来看，美国超过德国，跃居全球风电装机首位，同时也成为第二个风电装机容量超过2000万千瓦的风电大国。中国风电正迅猛发展，20052008年年度新增装机连续翻番，经初步计算，已经实现了风电装机容量1221万千瓦，超过印度，成为亚洲第一、世界第四的风电大国，这就表示中国已经跻身世界风电装机容量超千万千瓦的风电大国行列。世界风电快速发展的主要推动力是能源安全与环境保护。风电是成本最低的温室气体减排技术之一，全球市场对于风电这样的零排放技术有着巨大并且持续增长的需求，为了避免发生不可逆转的气候变化后果，全球的温室气体排放必须在2020年前后达到峰值且开始下降，而风电是目前唯一能实现这一目标的发电技术。2008年底全球的总装机容量突破1.2亿千瓦，相当于每年产生发电量约2600亿千瓦时，减排1.58亿吨CO}o风电行业已经成为包括中国在内的许多国家新的经济增长点，并提供了大量的就业机会。全球范围内的风电产业的就业人数已经超过40万人，其中美国、德国和中国都在8万人左右，根据全球风能理事会的估计，2015年风电产业就业人数将达到100万人，2020年将超过200万人。专家预测到2020年全球的风力发电装机容量将达到12.31亿千瓦(是2002年世界风电装机容量的38.4倍)，年安装量达到1.5亿千瓦，风力发电量将占全球发电总量的12%0风力发电已经成为解决世界能源问题的不可或缺的重要力量[}z}。风力发电不再是一种可有可无的替代能源，而是已经成为具有商业化发展前景的成熟技术和新兴产业，并逐渐发展成为世界未来的重要绿色能源。风力发电机组是风电场的关键设备，长期以来一直采用计划维修的方式，即一般风力机在运行几千或几万小时后进行例行维护。这种维修方式无法全面、及时的了解设备的运行状况;而事后维修则由于事先的准备不够充分，造成维修工作的耗时太长、损失严重。随着大型风力发电机容量的迅猛增加，现在风力发电机正从百千瓦级向兆瓦级发展，机械结构也日趋复杂，不同部件之间的相互联系、祸合也更加紧密，一个部件出现故障，将可能导致整个发电过程中断。另外，近年来随着风力发电机的快速发展，其技术的成熟度跟不上风力发电机的发展速度。在这种环境下，急需一种远程监测系统对风电机进行日常的监测工作。风力发电机远程监测与诊断系统是集信号采集、状态监测以及信号分析于一体的多功能监测诊断分析系统，能够对风力发电机的振动参数进行监测，将监测结果与事先设定的值进行比较，以确定设备是否存在故障;并且能够对采集到的数据进行各种分析处理，从而可以准确地确定设备故障类型和故障部位。可见，远程监测对于及时地确定风电机组的早期故障，避免因突发故障而造成巨大的经济损失有重要的意义。1.2国内外研究现状设备状态监测及故障诊断技术的研究在国外起步较早，己经发展了近半个世纪，无论在理论上，还是监测仪器和监测系统的研制开发上，都已经达到了很高水平。监测与诊断系统是利用软件开发的监控装置，它和仪表系统的根本差别在于其柔性很好，在同一套硬件之上，采用不同的软件模块，可以适应不同的对象和使用环境，基于软件的远程监测系统的投入少，开发周期短，成为目前状态监测的发展趋势。国外设备状态监测与故障诊断系统的研究与开发，经过数年的努力和现场运行考核，基本上趋于成熟，己有多家公司推出了自己的成熟产品，并得到广泛应用。如美国SKF公司的M800A系统、CMMS100/110系统，Entek-IRD公司的IQ/2000系统，BentlyNavada公司的Trendmaster2000系统和ADRE系统，美国Vibro-Meter公司的5501系统，美国ScientificAtlanta公司的M6000系统，英国Solartron公司的5501系统等[3]0风力发电机的远程监测系统主要针对大型的风电机，特别是兆瓦级的风电机，由于兆瓦级的设备近几年才投入使用，因此针对大型风电机的状态监测系统开发较晚，国内外相关的研究文献较少。Y.Amirat}4]等指出为了降低维修成本，有必要对风电机的运行状态进行监测，由于风力发电机的塔架较高，海上风电机又远离陆地，对设备的监测工作造成了一定的困难，因此开发出一套风电机的远程状态监测系统已成当务之急，同时
参考文献
[1]张希良.风能开发利用【M].北京:化学工业出版社，2005.
[2]任承红，叶文存.绿色能源一风力发电[J].电力建设.2009, 2:95-96.
[3〕包耳.风力发电技术的发展现状「J].可再生能源. 2004, 2:43-46.
[4]’(.Amirat, M. E. H. Benbouzid, E. Al-Ahmar, et al. A brief status on condition monitoring and Fault diagnosis in wind energy conversion systems[J].Renewable and Sustainable Energy 3eviews. 2009, 13(9):2629-2636.
[5] "thresher R, Robinson M, Veers P. The status and future of wind energy technology [J].IEEE 0ower&Energy Magazine. 2007, 5:34一46.
[6」叶启明.大型风力发电机组系统的结构与特点「JJ.华中电力.2002, 15 (2) : 67-68.
[7〕邹荣贵，蒋东翔，黄乾，等.风力发电机组常见故障机理分析「J].振动与冲击.2008, 27 (S)120-122.
[g]郭君博.风电机组齿轮箱性能检测系统研究与开发「D](硕十学位论文).大连:大连理工大学，2009.
[9]虞和济.故障诊断的基本原理[M].北京:冶金_J.业出版社，1989.
[1剑设备状态监测与故障诊断「M].大连:大连理_I_大学振动_「程研究所，2008.
[11〕黄文虎，夏松波，刘瑞岩，等.设备故障诊断原理、技术及应用[M].北京:科学出版社，1996.
[12〕杨国安.机械设备故障诊断实用技术【M].北京:中国石化出版社，2007.
[13]屈梁生，何止嘉.机械故障诊断学〔M].上海:科学技术出版社，1986.
[14]张安华.机电设备状态监测与故障诊断技术〔M].西安:西北l:业大学出版社，1995.
[15〕韩捷，张瑞林.旋转机械故障机理及其诊断技术「M].北京:机械工业出版社，1997.
[16] Amirat Y, Benbouzid MEH, Bensaker B, et al. Condition monitoring and fault diagnosis in wind energy conversion systems[C].Proceedings of the IEEE IEMDC.2007,1434一1449.
〔17] Casadei D, Filippetti F, Stefani A, et al.Experimental faultcharacterization of doubly fed induction machines for wind power generation[C].Proceedings of IEEE SPEEDAM'06, 2006, 281一286.
[18] Ribrant J. Reliability performance and maintenance一a survey of failure in wind power systems[D].Sweden:KTH School of Electrical Engineering,2006.http://www.51lunwen.org/kzgc/
[19]丁永生.计算智能一理论、技术与应用[M].北京:科学出版社，2004.
[20]冯定.神经网络专家系统「M].北京:科学出版社，2006.
[21] Tavner PJ, Xiang J, Spinato F. Relia
