基于小波包-包络样本熵的故障特征提取方法及其应用

提出一种将小波包分解与包络分析以及样本熵快速算法相结合的特征提取新方法。通过风电机组故障模拟实验台,研究变工况变负载对特征提取的影响,并首次应用到山西省某风电场风电机组轴承故障趋势分析中。通过分析不同风速条件下风电机组轴承振动信号,证明该方法能够有效地反映风机故障发展趋势,为风电机组状态维护决策的制定提供依据。

改进灰色Elman神经网络的风电机组振动特征预测

提出一种改进的灰色模型与神经网络相结合的预测方法,并首次在风电机组状态预测中应用。该预测方法利用Elman神经网络辅助灰色模型,其中灰色模型进行粗预测,神经网络模型对其修正,然后利用马尔可夫法和等维新息的思想对灰色模型进行改进,最终得到精度更高的灰色神经网络模型。利用某风电场实际振动数据,对灰色模型、改进灰色模型、灰色神经网络、改进灰色神经网络等4种方法进行对比。结果表明,改进的灰色神经网络预测精度最高,证实了所提方法准确有效,为风电机组的预知性维修提供了新思路。

基于改进小波包与包络谱的风电机组传动系统的故障诊断方法研究

针对风力发电机组传动系统故障时特征量提取困难的问题,提出改进的小波包结合包络谱的故障诊断新方法。深入研究小波包频带错乱的问题,对小波包实施改进,消除频带错乱的缺陷。首次将改进的小波包与包络谱结合起来,通过对风机传动系统试验台的齿轮、轴承故障实际数据的深入分析,准确提取出特征量,实现故障的诊断和定位,证实该文提出的方法的准确性和有效性,为风电机组传动系统的故障诊断提供新思路。

改进小波包联合PNN的风电故障诊断研究

针对风电机组故障信号的非平稳性以及故障与征兆的非线性映射导致的故障识别困难问题,提出了改进型的节点重构小波包频带能量谱与PNN(概率神经网络)的联合故障诊断新方法。文章深入分析了传统小波包频带错乱的问题,借助傅里叶变换与傅里叶逆变换改进了小波包,消除了小波包频带错乱的缺陷。首次采用改进型小波包提取故障信号特征量作为PNN的输入,然后利用PNN快速准确的非线性映射能力进行故障诊断。最后,采用风力发电机故障试验台的故障轴承的实际数据对所提方法进行验证,结果表明,所提方法可行且有效。

风力发电技术问题探析

风电是当前新型能源的主流发展形式之一。随着能源紧张和环保压力的进一步加大,风力发电的需求与日剧增。我国风力资源丰沛,风力发电基础条件十分优越。文章围绕当前风力发电相关技术问题进行探讨,介绍了风力发电机组发展状况,讨论了风电并网对电网的负面影响及解决措施,阐述了当前发展风电技术的主要难题,最后对今后风力发电的前景进行了展望。

发电企业经济活动分析体系建立及其应用

本文结合日常实际工作,从建立原则、体系内容、分析方法等方面,研究了适应电力市场的火力发电企业经济活动分析体系的建立,并结合实际应用一则进行了实证说明。