基于图神经网络的光伏组串故障诊断

光伏组串运行状态分析是建模和故障诊断的基础,而故障诊断是保障光伏系统安全经济运行的重要手段。提出基于图神经网络的邻近光伏组串故障诊断模型,通过比较历史窗口期内光伏组串的电流和电压数据来监测光伏系统的运行状态。该方法无需新增传感器设备,电流和电压数据直接通过逆变器获得。选取某光伏电站6组典型光伏组串,仿真模拟了常见故障运行状态和正常运行状态,并结合仿真数据对图神经网络模型进行了训练和测试。测试结果显示,尽管6个典型组串在光伏组件数量、方向、位置等方面存在较大差异,训练好的图神经网络模型仍然可对5种常见故障进行实时监测和诊断。对比测试的结果显示:在没有天气数据的情况下,图神经网络模型的诊断准确率高于当前精度较高的两种常见诊断方法;此外,图神经网络模型可推广到未经训练的光伏组串,并且能在多个光伏组串同时发生故障时保持较高的诊断准确率。

风力发电机组旋转机械的故障诊断技术研究

风力发电与核能发电属于清洁再生型能源,在整个发电过程中所占据的份额将会愈来愈大。由于风力本身就是一个无污染的洁净型再生能源,并且有着取用不竭、无污染辐射环境以及节能环保等的优点,也因此获得了国家能源的发展和人民大众的广泛关注。而近年来,随着风力发电在中国的使用程度日益不断扩大,因为风力发电机组中所涉及的转动设备部件数量较多,所以为了要提高机组设备的稳定性,有关单位一定要加强对转动设备机械故障的关注程度,以将风险减少至最小化。基于此,本文根据风力发电机组转子机械比较易发生的问题给出了一些可操作性较大的整改措施,内容涉及润滑油油液失效分析法、振动频率失效分析法、电气信号失效分析法等。

风力发电及技术发展综述

近些年随着我国加大对环境的治理,对于能源的选择方面更加倾向于清洁可再生的能源,包括太阳能,风能,水能等。而其中风能作为我国使用最为广泛,应用范围最多的方式,凭借其现有的技术应用水平成为目前我国清洁能源技术中发展最快的能源方式。本文将结合风力发电系统应用的技术特点和设备结构形式,就其技术发展进行综述,对我国目前的风电发展态势进行简单的阐述,就目前我国大型发电机组的应用所面临的问题和挑战进行详述。