需求解析

技术需求基本信息

0 / 2000
0 / 1000
万元

技术需求解析

0 / 500

技术研发指南

风电机组主要由叶片、塔筒、传动链、变桨系统、变流器、电气系统等组成,是一个复杂的非线性时变系统,在叶片、塔筒、传动链等柔性部件的综合作用下,具有多个耦合固有模态。由于机组部件生产制造及现场安装等差异,同时考虑部件老化、磨损等因素都会导致机组耦合模态发生变化。另外,风机运行于开放环境中,风速的随机波动和宽频激励,可能会引起某些模态共振,危害机组运行安全。因此,必须对机组模态进行实时监测分析,以获取机组的运行状态。

风电机组运行环境复杂多变,极端风速工况对机组部件载荷有较大影响,直接危害机组的运行安全和使用寿命。所以对机组运行工况的提前感知,智能预测对提高机组运行安全稳定性尤为重要。

风电机组各构成部件涉及气动,机械,电气,控制等多学科,在运行过程中,准确快速分析模态难度较大。近年来,国内外先进同行业、各大科研院所已经开展风电机模态辨识及工况识别的一部分工作。但是对于机组模态识别的准确性,及故障诊断联合研究不够深入,对于机组的异常运行情况快速识别、准确判断还未形成有效方法。同时对于运行工况的预测研究也处于探索阶段,还没有形成具有推广应用的成果。

另外,对机组运行工况的识别和预测,需要合适理论模型及大量的数据测试验证,当前仍没有适宜的理论方法得到广泛实践检验。

1.机组模态识别

通过对现场机组运行数据采集处理,对风电机组进行定期在线模态分析,形成完整的、准确的、可靠的模态识别方法,并能够在不同机型推广应用。其中,现场测试应设计、安装必要的测量传感器等硬件检测设备。

2.机组故障诊断

1)对机组运行控制信号进行监测,实现对机组控制参数适应性判别及控制执行机构运行状况进行监测;

2)对机组部件健康情况进行预警监测,包括但不限于对叶片损坏,传动链早期故障,模态早期共振,叶片结冰,及叶片失速等故障情况的预警判别,并形成准确的判别方法。

3.机组运行工况预测

基于机组现有运行数据进行数据建模,通过模型的不断迭代修正,对机组运行工况进行识别,对极端阵风、极端湍流风况等能够实现智能预测,形成有效的智能预测算法,可推广应用。

1)机组关键模态特征在线准确识别,修正机组模型,优化机组控制参数,提高机组运行可靠性;

2)提前诊断机组运行故障,及时采取保护措施,保证机组运行安全性;

3)特殊工况准确识别和预测,有效降低机组载荷,降低机组设计成本,提升产品市场竞争力。

解析专家署名