掃一掃
關注中圖網
官方微博
本類五星書更多>
-
>
公路車寶典(ZINN的公路車維修與保養秘籍)
-
>
晶體管電路設計(下)
-
>
基于個性化設計策略的智能交通系統關鍵技術
-
>
花樣百出:貴州少數民族圖案填色
-
>
山東教育出版社有限公司技術轉移與技術創新歷史叢書中國高等技術教育的蘇化(1949—1961)以北京地區為中心
-
>
鐵路機車概要.交流傳動內燃.電力機車
-
>
利維坦的道德困境:早期現代政治哲學的問題與脈絡
電力設備故障智能診斷技術 版權信息
- ISBN：9787030727077
- 條形碼：9787030727077 ; 978-7-03-072707-7
- 裝幀：一般膠版紙
- 冊數：暫無
- 重量：暫無
- 所屬分類：>
電力設備故障智能診斷技術 本書特色
電力設備智能故障診斷技術是多學科交叉滲透的綜合性研究課題
電力設備故障智能診斷技術 內容簡介
加強電力設備的狀態監測和故障診斷，對保障電力生產設備的安全和穩定運行具有重要意義。電力設備故障智能診斷技術是多學科交叉滲透的綜合性研究方向。本書首先介紹電力設備故障智能診斷的背景意義及國內外研究現狀，然后介紹智能故障診斷的主要關鍵技術，如故障數據采集系統，故障數據預處理與特征提取，基于單類分類器、多層分類器、混合分類器、輔助分類生成對抗網絡等多種智能故障診斷技術進行故障決策，*后針對幾個實例介紹故障智能診斷技術的應用。 本書可供從事電力設備狀態監測與故障診斷工作的科研人員和相關專業高校教師使用和參考，也可供電氣、自動化、熱能動力與機械類相關專業研究生和高年級本科生作為研究和參考。
電力設備故障智能診斷技術 目錄
目錄
前言
引入篇 電力設備關鍵部件機械故障診斷
第1章 緒論 2
1.1 研究背景及意義 2
1.2 斷路器機械故障診斷研究綜述 4
1.2.1 斷路器機械故障診斷的監測對象 5
1.2.2 斷路器振動信號處理方法 6
1.2.3 斷路器狀態識別方法的研究 8
1.3 風電機組機械故障診斷研究綜述 9
1.3.1 風電機組傳動系統故障診斷的監測對象 9
1.3.2 基于振動信號分析的風電機組傳動系統故障診斷研究現狀 11
1.3.3 風電機組傳動系統狀態識別方法研究現狀 12
1.4 高壓斷路器機械故障診斷方案設計 14
1.4.1 高壓斷路器的基本結構及工作原理 14
1.4.2 高壓斷路器的常見機械故障 20
1.4.3 高壓斷路器機械故障診斷總體方案 23
1.5 風電機組傳動系統機械故障診斷方案設計 24
1.5.1 風電機組傳動系統基本結構和原理 24
1.5.2 風電機組傳動系統常見機械故障 25
1.5.3 風電機組傳動系統機械故障診斷總體方案 28
1.6 本章小結 29
參考文獻 29
高壓斷路器篇 關鍵部件機械故障診斷
第2章 基于單類分類器的高壓斷路器機械故障診斷 36
2.1 基于S變換的高壓斷路器振動信號處理及特征提取 36
2.1.1 S變換 36
2.1.2 基于S變換的高壓斷路器振動信號處理 37
2.1.3 基于S變換時-頻熵的高壓斷路器機械故障診斷特征提取 39
2.2 基于經驗小波變換的高壓斷路器振動信號處理及特征提取 43
2.2.1 經驗小波變換 43
2.2.2 經驗小波變換與經驗模態分解的對比 46
2.2.3 基于經驗小波變換和時-頻熵的斷路器機械故障診斷特征提取 47
2.3 基于單類分類器的高壓斷路器機械故障診斷 53
2.3.1 單類分類器概述 53
2.3.2 基于單類支持向量機的高壓斷路器機械故障診斷 54
2.3.3 基于支持向量數據描述的高壓斷路器機械故障診斷 60
2.4 本章小結 65
參考文獻 66
第3章 基于多層分類器的高壓斷路器機械故障診斷 68
3.1 高壓斷路器振動信號采集與特征提取 68
3.1.1 基于變分模態分解的斷路器振動信號處理 68
3.1.2 基于局部奇異值分解的特征提取 75
3.2 基于多層分類器的故障分類方法研究 76
3.2.1 支持向量機和單類支持向量機原理 77
3.2.2 多層分類器的構建和診斷流程 79
3.3 高壓斷路器故障診斷實例分析 80
3.3.1 實測振動信號特征分析 80
3.3.2 診斷結果及分析 87
3.4 本章小結 90
參考文獻 90
第4章 基于時域分割特征的斷路器彈簧操動機構機械故障 92
4.1 基于時域分割的振動信號故障特征提取 92
4.1.1 基于時域分割的斷路器振動信號處理 92
4.1.2 基于時域分割的時域特征提取 95
4.1.3 基于散布矩陣的特征分類能力分析 95
4.1.4 基于Gmi重要度的特征選擇分析 98
4.1.5 基于時域分割特征的特征選擇方案 99
4.2 基于層次化混合分類器的斷路器機械故障分類 100
4.2.1 隨機森林原理 100
4.2.2 基于時域分割的斷路器機械故障診斷方案設計 102
4.3 基于實測振動信號的高壓斷路器機械故障診斷 103
4.3.1 實測振動信號特征分析 103
4.3.2 實驗結果及分析 112
4.4 本章小結 115
參考文獻 116
第5章 基于熵特征高效時域特征提取的高壓斷路器機械故障診斷 118
5.1 基于時域分割的特征提取 118
5.1.1 原始信號時域分割方式和依據 118
5.1.2 時域分割后的特征計算 119
5.2 特征選擇 120
5.2.1 Split重要度值對特征分類能力的衡量效果 120
5.2.2 基于Split重要度值的前項特征選擇 122
5.3 高壓斷路器高效故障診斷分類器的構建 123
5.3.1 梯度提升決策樹 123
5.3.2 基于高壓斷路器振動信號時域特征的分類器構建 124
5.3.3 多線程并行直方圖加速 125
5.3.4 帶深度限制的Leaf-wise生長策略 126
5.4 案例分析 126
5.4.1 故障診斷流程 126
5.4.2 基于時域分割的特征提取效率分析 126
5.4.3 LightGBM分類器的分類效果分析 128
5.5 本章小結 129
參考文獻 129
第6章 采用局部時-頻奇異值與優化隨機森林的高壓斷路器機械故障診斷 131
6.1 隨機森林分類原理及優化 131
6.2 故障診斷流程 132
6.2.1 HVCBs故障診斷流程 132
6.2.2 基于虛擬儀器的實測信號采集系統 133
6.2.3 振動信號處理 134
6.2.4 局部奇異值分解提取特征 135
6.2.5 優化隨機森林進行故障診斷 136
6.3 故障診斷實例分析 136
6.3.1 不同特征提取方式比較 136
6.3.2 不同分類器的比較 137
6.4 本章小結 138
參考文獻 138
風電機組篇 傳動系統關鍵部件機械故障診斷
第7章 基于混合分類器的風電機組傳動系統機械故障診斷 140
7.1 風電機組傳動系統振動信號處理 140
7.1.1 自適應信號處理方法性能對比 140
7.1.2 基于EWT的風機傳動系統振動信號處理與分析 142
7.2 風電機組傳動系統振動信號特征提取及選擇 149
7.2.1 風電機組傳動系統原始特征集合構建 150
7.2.2 基于隨機森林的風電機組傳動系統故障特征選擇 151
7.3 基于混合分類器的故障診斷方法研究 156
7.3.1 模糊C均值聚類原理 156
7.3.2 混合分類器構建和診斷流程 157
7.3.3 軸承故障診斷結果及分析 158
7.3.4 齒輪箱故障診斷結果及分析 161
7.4 本章小結 164
參考文獻 165
第8章 采用非平衡小樣本數據的風機主軸承故障深度對抗診斷 167
8.1 輔助分類生成對抗網絡 167
8.2 改進AC-GAN 168
8.3 改進AC-GAN實驗樣本構建 170
8.4 實驗設計與分析 171
8.4.1 生成樣本真實性與差異性分析 171
8.4.2 復雜噪聲環境下主軸承故障診斷實驗 173
8.4.3 小樣本場景主軸承故障診斷 176
8.4.4 樣本非平衡場景下主軸承故障診斷 178
8.4.5 不同分類方法對比實驗 179
8.5 本章小結 180
參考文獻 180
第9章 基于噪聲標簽有限數據驅動的風電機組傳動系統軸承故障診斷 182
9.1 魯棒性輔助分類生成對抗網絡 182
9.2 實驗數據集的構建 184
9.2.1 傳動系統典型故障診斷數據集 184
9.2.2 傳動系統故障診斷數據集構建 186
9.3 含噪聲標簽場景生成樣本分析 188
9.3.1 生成器樣本生成能力分析 188
9.3.2 生成樣本分析 189
9.4 含噪聲標簽有限數據驅動場景故障診斷 191
9.4.1 訓練樣本減少實驗 191
9.4.2 訓練樣本非平衡實驗 197
9.4.3 含不同比例噪聲標簽樣本實驗 200
9.5 含噪聲標簽有限數據驅動場景下不同方法對比實驗 200
9.5.1 含噪聲標簽有限數據場景對比實驗 200
9.5.2 含不同比例噪聲標簽場景對比實驗 201
9.6 本章小結 202
參考文獻 202
前言
引入篇 電力設備關鍵部件機械故障診斷
第1章 緒論 2
1.1 研究背景及意義 2
1.2 斷路器機械故障診斷研究綜述 4
1.2.1 斷路器機械故障診斷的監測對象 5
1.2.2 斷路器振動信號處理方法 6
1.2.3 斷路器狀態識別方法的研究 8
1.3 風電機組機械故障診斷研究綜述 9
1.3.1 風電機組傳動系統故障診斷的監測對象 9
1.3.2 基于振動信號分析的風電機組傳動系統故障診斷研究現狀 11
1.3.3 風電機組傳動系統狀態識別方法研究現狀 12
1.4 高壓斷路器機械故障診斷方案設計 14
1.4.1 高壓斷路器的基本結構及工作原理 14
1.4.2 高壓斷路器的常見機械故障 20
1.4.3 高壓斷路器機械故障診斷總體方案 23
1.5 風電機組傳動系統機械故障診斷方案設計 24
1.5.1 風電機組傳動系統基本結構和原理 24
1.5.2 風電機組傳動系統常見機械故障 25
1.5.3 風電機組傳動系統機械故障診斷總體方案 28
1.6 本章小結 29
參考文獻 29
高壓斷路器篇 關鍵部件機械故障診斷
第2章 基于單類分類器的高壓斷路器機械故障診斷 36
2.1 基于S變換的高壓斷路器振動信號處理及特征提取 36
2.1.1 S變換 36
2.1.2 基于S變換的高壓斷路器振動信號處理 37
2.1.3 基于S變換時-頻熵的高壓斷路器機械故障診斷特征提取 39
2.2 基于經驗小波變換的高壓斷路器振動信號處理及特征提取 43
2.2.1 經驗小波變換 43
2.2.2 經驗小波變換與經驗模態分解的對比 46
2.2.3 基于經驗小波變換和時-頻熵的斷路器機械故障診斷特征提取 47
2.3 基于單類分類器的高壓斷路器機械故障診斷 53
2.3.1 單類分類器概述 53
2.3.2 基于單類支持向量機的高壓斷路器機械故障診斷 54
2.3.3 基于支持向量數據描述的高壓斷路器機械故障診斷 60
2.4 本章小結 65
參考文獻 66
第3章 基于多層分類器的高壓斷路器機械故障診斷 68
3.1 高壓斷路器振動信號采集與特征提取 68
3.1.1 基于變分模態分解的斷路器振動信號處理 68
3.1.2 基于局部奇異值分解的特征提取 75
3.2 基于多層分類器的故障分類方法研究 76
3.2.1 支持向量機和單類支持向量機原理 77
3.2.2 多層分類器的構建和診斷流程 79
3.3 高壓斷路器故障診斷實例分析 80
3.3.1 實測振動信號特征分析 80
3.3.2 診斷結果及分析 87
3.4 本章小結 90
參考文獻 90
第4章 基于時域分割特征的斷路器彈簧操動機構機械故障 92
4.1 基于時域分割的振動信號故障特征提取 92
4.1.1 基于時域分割的斷路器振動信號處理 92
4.1.2 基于時域分割的時域特征提取 95
4.1.3 基于散布矩陣的特征分類能力分析 95
4.1.4 基于Gmi重要度的特征選擇分析 98
4.1.5 基于時域分割特征的特征選擇方案 99
4.2 基于層次化混合分類器的斷路器機械故障分類 100
4.2.1 隨機森林原理 100
4.2.2 基于時域分割的斷路器機械故障診斷方案設計 102
4.3 基于實測振動信號的高壓斷路器機械故障診斷 103
4.3.1 實測振動信號特征分析 103
4.3.2 實驗結果及分析 112
4.4 本章小結 115
參考文獻 116
第5章 基于熵特征高效時域特征提取的高壓斷路器機械故障診斷 118
5.1 基于時域分割的特征提取 118
5.1.1 原始信號時域分割方式和依據 118
5.1.2 時域分割后的特征計算 119
5.2 特征選擇 120
5.2.1 Split重要度值對特征分類能力的衡量效果 120
5.2.2 基于Split重要度值的前項特征選擇 122
5.3 高壓斷路器高效故障診斷分類器的構建 123
5.3.1 梯度提升決策樹 123
5.3.2 基于高壓斷路器振動信號時域特征的分類器構建 124
5.3.3 多線程并行直方圖加速 125
5.3.4 帶深度限制的Leaf-wise生長策略 126
5.4 案例分析 126
5.4.1 故障診斷流程 126
5.4.2 基于時域分割的特征提取效率分析 126
5.4.3 LightGBM分類器的分類效果分析 128
5.5 本章小結 129
參考文獻 129
第6章 采用局部時-頻奇異值與優化隨機森林的高壓斷路器機械故障診斷 131
6.1 隨機森林分類原理及優化 131
6.2 故障診斷流程 132
6.2.1 HVCBs故障診斷流程 132
6.2.2 基于虛擬儀器的實測信號采集系統 133
6.2.3 振動信號處理 134
6.2.4 局部奇異值分解提取特征 135
6.2.5 優化隨機森林進行故障診斷 136
6.3 故障診斷實例分析 136
6.3.1 不同特征提取方式比較 136
6.3.2 不同分類器的比較 137
6.4 本章小結 138
參考文獻 138
風電機組篇 傳動系統關鍵部件機械故障診斷
第7章 基于混合分類器的風電機組傳動系統機械故障診斷 140
7.1 風電機組傳動系統振動信號處理 140
7.1.1 自適應信號處理方法性能對比 140
7.1.2 基于EWT的風機傳動系統振動信號處理與分析 142
7.2 風電機組傳動系統振動信號特征提取及選擇 149
7.2.1 風電機組傳動系統原始特征集合構建 150
7.2.2 基于隨機森林的風電機組傳動系統故障特征選擇 151
7.3 基于混合分類器的故障診斷方法研究 156
7.3.1 模糊C均值聚類原理 156
7.3.2 混合分類器構建和診斷流程 157
7.3.3 軸承故障診斷結果及分析 158
7.3.4 齒輪箱故障診斷結果及分析 161
7.4 本章小結 164
參考文獻 165
第8章 采用非平衡小樣本數據的風機主軸承故障深度對抗診斷 167
8.1 輔助分類生成對抗網絡 167
8.2 改進AC-GAN 168
8.3 改進AC-GAN實驗樣本構建 170
8.4 實驗設計與分析 171
8.4.1 生成樣本真實性與差異性分析 171
8.4.2 復雜噪聲環境下主軸承故障診斷實驗 173
8.4.3 小樣本場景主軸承故障診斷 176
8.4.4 樣本非平衡場景下主軸承故障診斷 178
8.4.5 不同分類方法對比實驗 179
8.5 本章小結 180
參考文獻 180
第9章 基于噪聲標簽有限數據驅動的風電機組傳動系統軸承故障診斷 182
9.1 魯棒性輔助分類生成對抗網絡 182
9.2 實驗數據集的構建 184
9.2.1 傳動系統典型故障診斷數據集 184
9.2.2 傳動系統故障診斷數據集構建 186
9.3 含噪聲標簽場景生成樣本分析 188
9.3.1 生成器樣本生成能力分析 188
9.3.2 生成樣本分析 189
9.4 含噪聲標簽有限數據驅動場景故障診斷 191
9.4.1 訓練樣本減少實驗 191
9.4.2 訓練樣本非平衡實驗 197
9.4.3 含不同比例噪聲標簽樣本實驗 200
9.5 含噪聲標簽有限數據驅動場景下不同方法對比實驗 200
9.5.1 含噪聲標簽有限數據場景對比實驗 200
9.5.2 含不同比例噪聲標簽場景對比實驗 201
9.6 本章小結 202
參考文獻 202
展開全部
電力設備故障智能診斷技術 節選
引入篇 電力設備關鍵部件機械故障診斷 第1章緒論 1.1研究背景及意義 目前，電力系統正逐步朝著更高的電壓等級和更大的電能容量目標發展，這對電力設備的運行可靠性提出了更高的要求。高壓斷路器是電力系統中極為重要的一次電力設備，在系統正常運行時完成系統的開關操作，控制電力設備和線路的投切運行，以實現負荷調配或設備的調整；當系統中某處發生故障時，斷路器能迅速隔離故障線路，以保護系統非故障線路的正常運行，防止故障在系統內進一步發展和擴大。在電力系統的成本投入中，高壓斷路器的投入成本巨大，其單臺價格就較為昂貴，而在電力系統中斷路器數量又很多，因而其設備總投資在系統投資中所占的比重相當大。根據統計資料顯示，斷路器每次故障引起的停電損失平均可高達上百萬元，遠比設備自身的投資成本高得多。因此，確保高壓斷路器的安全可靠運行，對于電力系統本身以及社會經濟發展是十分迫切和必要的。 與此同時，能源短缺和環境污染的問題日益突出，已經嚴重影響到人民的日常生活和社會的發展。開發可再生能源作為解決當下能源危機和環境污染問題的關鍵所在，已經成為世界各國的能源發展戰略之一。在眾多可再生能源中，風能是*具商業潛力、*具活力的可再生能源之一，因而風力發電在國家未來整體能源發展戰略中扮演著十分重要的角色。截至2016年底，中國風電新增裝機量23.37GW，累計裝機量達到169GW，占全球累計風電裝機容量的34.7%，排名世界**，是第二名美國裝機容量的2.05倍，風電裝機規模遙遙領先。隨著風電裝機規模的快速擴大，風電機組的臺數大大增加，由此產生的近20年的后續運營維護成本也在急劇增長風電機組所處的環境十分惡劣，多設在偏遠的無人區或近海，容易受到臺風、高溫、強沙塵和低溫冰凍等多種極端氣候的影響，且隨著裝機容量的逐漸增加，機組的結構更加復雜，導致故障率較高。同時，由于風能的間歇性，機組的受力情況不穩定，這使風電機組中各部件不間斷地受到多變載荷的沖擊。如果長時間運行在此類多變的工況下，機組的故障率會大大增加，從而大幅度增加機組的運營成本，影響使用壽命。研究證明，一臺工作壽命為20年的風電機組，其產生的運營維護成本占風場總效益的10%～15%；對于海上風電機組，其所花費的運營維護成本更是占到風場總效益的20%～25%，因此，開展風電機組故障診斷的研究對降低風場的運維成本、提升經濟效益、增強風電的市場競爭力具有十分重要的意義。 高壓斷路器的可靠程度和工作性能將直接影響電力系統本身的安全穩定性，因而研究高壓斷路器運行狀態、故障類型及故障嚴重程度的評估和診斷方法具有十分重要的意義。高壓斷路器在電力系統中架設的數量巨大，根據不同的場合需要所選用的斷路器類型也各有不同，并且各類型的斷路器構造都相對十分復雜，再加上自身性能和外界條件因素的影響，斷路器可能發生的故障類型是相當多的。關于斷路器故障原因的調查顯示，在斷路器所發生的各類主要故障和次要故障中，分別有44%、39%的故障由機械原因造成。中國電力科學院對國內斷路器故障情況調查統計也表明，機械性能損壞是引起高壓斷路器故障的主導因素。因此，針對高壓斷路器機械故障開展診斷研究具有重要的現實意義。 電力設備的檢修和維護成本顯著，隨著電網逐步擴大及電力系統安全可靠運行要求加強，電網的維護成本加大，對電力設備維護方案提出了更加科學和經濟的要求。電力設備的檢修和維護體制主要從*初的事后維修、當前的計劃檢修，向更加先進的狀態檢修方式過渡。對高壓斷路器機械狀態的檢測，目前主要是在設備交接及例行定期停電檢修期間進行預防性試驗，從而進行操動機構的機械特性檢測等。這種計劃檢修是間隔一定時間的預防性檢修方式，對保障設備的安全經濟運行發揮了重要作用。但是目前的計劃檢修也有局限性，存在普遍的檢修不足和檢修過度現象，對不必要的設備進行檢修會造成人力物力浪費及停電損失等問題。事實上，對高壓斷路器實施計劃檢修方式，頻繁操作和過度拆卸會在一定程度上對高壓斷路器造成損傷，從而引起設備可靠性的下降。據相關統計發現，斷路器故障中大約10%的故障問題是由檢修不當引起的。對斷路器進行定期解體大修，其拆卸、檢查和組裝的工作量是相當大的，不僅需要較長的檢修周期，也會造成顯著的成本消耗，其維修費用甚至可達整臺斷路器設備成本的30%～50%，而且解體檢修會導致一些不可預知的缺陷，降低高壓斷路器的工作性能，甚至會引發事故。相關統計數據顯示，每年花在斷路器維護上的費用占整個變電站維護成本的50%左右，而斷路器例行檢修和小修費用又占了斷路器維護費用的一半以上。 隨著智能電網的興建和快速發展，其對電氣設備的智能化提出了迫切的要求。近年來，電力行業大力倡導電力設備的狀態檢修，而研究高壓斷路器故障診斷技術能夠為其狀態檢修提供有效的故障信息，從而可以有針對性地展開狀態檢修工作。此外，從社會經濟性來講，隨著社會和各經濟產業的快速發展，各行業對電能的需求和依賴越來越大，停電給社會生產和人民生活帶來的損失也越來越大，因此保障高壓斷路器的穩定可靠運行變得更為緊迫。通過開展高壓斷路器機械故障診斷研究，能夠快速準確地發現斷路器現有或潛在故障并及時安排維修，從而可以有效減少因斷路器故障引起的停電事故和經濟損失，對增強整個系統的可靠性和經濟性具有重要的意義。 當前，雙饋異步風力發電機是我國風電市場的主要機型，其故障主要出現在電氣系統、控制系統和傳動系統。研究表明，電氣故障和控制系統故障的發生概率要高于傳動系統故障，但傳動系統故障的排除難度遠大于前兩者，造成的停機時間也更長。這是由于傳動系統主要由齒輪箱、主軸和軸承等機械部件構成，結構更加復雜，作為風電機組能量轉換和傳遞的關鍵部件，受極端惡劣天氣和多變運行工況的影響較大。另外，傳動系統中容易發生故障的部件如齒輪箱和軸承，本身的造價較高，且重量體積大，又處于高空，更換難度大，一旦發生故障往往需要整體拆除與更換，將會產生較高的維修費用和長時間的機組停機，從而造成較大的經濟損失。因此，開展風電機組傳動系統的狀態監測與故障診斷研究在整個機組的故障診斷中占有十分重要的地位。 自2015年5月21日起，中國電力投資公司南方公司依據之前制定的計劃對興安源江風電場機組進行檢修，該風電場共有66臺風電機組，前后共花費兩個月的時間才完成對所有機組的檢修工作。事實上，對風電機組實施計劃檢修方式，頻繁操作和過度拆卸會在一定程度上對風電機組造成損傷，埋下安全隱患，從而會引起設備的可靠性下降，尤其是對于風電機組傳動系統中的齒輪箱和軸承部件，體積重量大，又處于高空，拆卸與檢修均需借助起吊裝置，在拆卸、檢查和組裝的過程中難免會造成損壞，并且工作量是相當大的，不僅需要較長的檢修周期，也會造成顯著的成本消耗。齒輪箱和軸承等大型部件的解體檢修還會引入一些不可預知的缺陷和隱患，影響風電機組的安全性、可靠性和工作性能，久而久之可能會發展為故障并引發事故。 隨著風電裝機規模不斷擴大，計劃檢修已無法滿足風電場的可靠性、經濟型要求，提高風電行業競爭力，對風電機組尤其是機組傳動系統的計劃檢修向狀態檢修過渡已成為必然趨勢。風電機組傳動系統故障診斷技術能夠為狀態檢修提供有效的故障信息，從而可以有針對性地對其展開狀態檢修工作，縮短因計劃檢修造成的非故障停機。通過開展風電機組傳動系統機械故障診斷研究，能夠快速準確地發現傳動系統中齒輪箱和軸承等機械部件存在的故障隱患，及時制定維修方案進行針對性維修，減少因傳動系統機械部件故障所造成的機組停機和經濟損失，從而提高整個風電機組的安全性、可靠性和經濟性，提高風電行業的競爭力。 1.2斷路器機械故障診斷研究綜述 國外一些組織已經開發出了較為成熟的高壓斷路器診斷系統，如瑞士ABB研制的六氟化硫斷路器狀態監測系統、法國ALSTOM研制的CBWatch系列斷路器狀態監測系統、美國Hathway公司研制的BCM200斷路器狀態監測系統及日本東芝公司聯合東京電力公司開發的GIS在線監測及診斷系統等。我國相關方面的研究起步相對較晚，但仍有一些具有代表性的監測系統也取得了不錯的效果，如清華大學開發的CBA-1斷路器狀態監測系統、中國電力科學研究院開發的KZC-1型高壓斷路器在線監測儀、華中科技大學和湖南省電力局聯合開發的高壓斷路器機械特性在線監測系統以及哈爾濱工業大學開發的CBMS系統等。 近幾十年來，國內外學者在高壓斷路器狀態監測和故障診斷方面做了許多研究，為提高高壓斷路器的運行可靠性提供了重要的理論指導和技術支持。國內外研究主要是首先選定能夠包含高壓斷路器機械狀態的信息量（即監測對象），然后利用現代信號處理等技術對其進行處理和分析，獲得能夠反映高壓斷路器狀態情況的特征量，并使用模式識別技術進行識別和分類。 1.2.1斷路器機械故障診斷的監測對象 高壓斷路器常見的機械故障包括傳動機構變形、分合閘線圈失靈或卡澀、鎖扣失靈、曲柄卡滯、螺絲松動、潤滑不良、部件破裂、觸頭位置不正常和緩沖器故障等。從監測對象的角度，根據IEEE建議的斷路器故障監測對象選擇原則，目前*為常用的斷路器機械故障診斷監測對象主要包括斷路器振動信號、分（合）閘線圈電流信號、動觸頭行程-時間特性曲線等。 （1）振動信號：高壓斷路器在進行分合閘操作時操動機構釋放較強的能量，帶動傳動機構完成動觸頭的分合操作，在此過程中會產生劇烈的振動。這種振動信號蘊含了與斷路器機械狀態相關的一些信息，通過對這些狀態信息進行有效挖掘，就可以實現高壓斷路器的機械故障診斷。由于高壓斷路器振動信號所蘊含的信息十分復雜，采用適當的信號預處理技術和特征提取方法將振動信號中的故障信息提取出來，進而通過人工智能算法可以獲得斷路器故障診斷結果。這種基于振動信號分析的故障診斷方法是非侵入式的，不會對設備本身性能產生影響，且適用于高電壓和強電磁的環境中，因而近年來基于振動信號分析的斷路器故障診斷方法獲得了廣泛的關注。 （2）分（合）閘線圈電流：高壓斷路器接收到動作命令時，斷路器分閘或合閘線圈勵磁產生電磁推力，推動相應的分（合）閘摯子脫扣以釋放儲能裝置儲存的能量，從而驅動操動機構和傳動機構動作以實現斷路器的分閘或合閘操作。在該動作過程中，有電流流過分（合）閘線圈，且電流的大小隨時間呈一定的規律變化。這種具有規律變化的線圈電流，可以反映線圈自身、控制機構和線路存在的某些故障，如線圈絕緣缺陷、供電電壓異常、線圈鐵芯卡澀等。一般采用霍爾電流傳感器來獲取線圈電流，其測量方式簡單方便，并且不會影響控制回路的工作性能。因此，可通過監測分（合）閘線圈電流來獲得線圈、操動機構等部件的狀態情況。事實上，斷路器分（合）線圈與其連接部件會在長期工作中出現卡澀和變形的現象，而大約有26.1%的斷路器拒動和誤動故障是由該現象引起的。通過監測斷路器分（合）閘線圈電流，可以實現對此類故障的診斷，及早發現斷路器存在的故障或缺陷。 。3）動觸頭行程-時間特性：高壓斷路器的分合閘過程，實際上是傳動機構帶動動觸頭與靜觸頭的接觸和分開過程。通過在動觸頭上安裝位移傳感器，可以獲得動觸頭的行程-時間特性曲線。根據該行程-時間特性曲線，可以獲得一些斷路器狀態參數，如動觸頭行程、動觸頭剛分/剛合速度、分/合閘時間及動觸頭速度曲線等。這些參數能夠在一定程度上反映斷路器性能的好壞，它們在正常情況下都有一個*佳取值范圍，超出該范圍就說明斷路器出現了某些缺陷或故障。斷路器在出廠時會在說明書上注明這些參數的正常范圍，檢修人員可以通過對比這些狀態參數來判定斷路器是否出現了故障問題。文獻、通過監測斷路器動觸頭行程-時間特性曲線，獲得相應的狀態參數，從而實現斷路器的故障診斷。 在上述三種斷路器故障診斷檢測對象中，基于分（合）閘線圈電流的診斷方法往往對于線圈本身及其連接機構發生的故障具有較好的反映，而無法有效地反映其他機構產生的故障，因而具有較大的故障診斷局限性。基于動觸頭行程-時間特性曲線的診斷方法需要在動觸頭上安裝位移傳感器，不僅安裝較為
書友推薦
- >
中國歷史的瞬間
- >
李白與唐代文化
- >
煙與鏡
- >
朝聞道
- >
姑媽的寶刀
- >
月亮虎
- >
人文閱讀與收藏·良友文學叢書:一天的工作
- >
莉莉和章魚
本類暢銷
