●前言
第1章 緒論 1
1.1 風力發電的發展概況 1
1.1.1 全球風力發電的發展現狀 1
1.1.2 我國風力發電的發展現狀 2
1.2 風力發電機組目前的維護與維修現狀 3
1.2.1 風力發電機組傳動鏈 3
1.2.2 風力發電機組目前的維護模式 4
1.3 風力發電機組可預測性維護繫統研究現狀 5
1.3.1 風電機組可預測性維護繫統發展現狀 6
1.3.2 風電機組可預測性維護的作用與意義 6
1.3.3 風電機組故障預測與健康管理發展現狀 8
1.4 風力發電機組故障診斷技術研究現狀 11
1.5 可預測性維護繫統應用中普遍存在的困擾與疑慮 12
1.6 自動診斷技術應用中存在的關鍵問題與瓶頸 13
1.7 本書寫作的目的 14
參考文獻 15
第2章 風力發電機組工作原理與常見故障 16
2.1 風電機組基本構成 16
2.2 風電機組工作原理 18
2.3 風電機組主要參數及種類 19
2.3.1 風電機組的主要參數 19
2.3.2 風電機組的種類 21
2.4 風電機組故障分類 23
2.4.1 主軸及軸繫典型故障 23
2.4.2 齒輪典型故障 23
2.4.3 發電機典型故障 27
2.4.4 滾動軸承典型故障 27
2.4.5 葉片典型故障 31
2.4.6 塔筒典型故障 32
2.5 結束語 32
參考文獻 33
第3章 風力發電機組可預測性維護繫統開發與應用 34
3.1 CMS應用背景與意義 34
3.2 CMS技術要求的特殊性 34
3.2.1 變轉速 34
3.2.2 變載荷 35
3.2.3 低轉速部件的監測 35
3.2.4 誤報警、漏報警率高 39
3.3 CMS的繫統開發 39
3.3.1 CMS的繫統組成 39
3.3.2 CMS的軟硬件繫統設計 41
3.3.3 傳感器選擇與測點布置的經濟性研究 52
3.4 CMS的現場應用案例 55
3.4.1 軸承外齒圈故障案例 55
3.4.2 發電機驅動端軸承外圈振動異常 59
3.5 結束語 60
參考文獻 60
第4章 基於便攜式CMS的繫統設計與風機狀態評價 62
4.1 便攜式CMS的存在意義與價值 62
4.2 便攜式CMS的總體方案設計 63
4.2.1 數據采集調理板方案設計 63
4.2.2 本地控制平臺選擇方案 64
4.3 便攜式CMS的軟硬件開發 65
4.3.1 繫統硬件設計 65
4.3.2 繫統軟件設計 74
4.4 基於便攜式CMS的風電機組狀態評價 80
4.4.1 狀態評價的時域指標介紹 80
4.4.2 狀態評價的頻域特征描述 82
4.4.3 狀態的判定與趨勢分析 85
4.5 便攜式CMS的應用案例 87
4.5.1發電機軸承故障 87
4.5.2 齒輪箱齒輪損傷 88
4.5.3 發電機兩端軸承損傷故障 90
4.6 結束語 92
參考文獻 92
第5章 風電機組可預測性維護的經濟效益評價 94
5.1 CMS經濟效益評價的重要意義 94
5.1.1 對CMS應用的經濟性國內普遍存在的疑慮 94
5.1.2 德國安聯保險公司給出的選擇和建議 95
5.1.3 CMS經濟效益評價的難點 95
5.2 CMS經濟效益的定性評價方法研究 97
5.2.1 CMS在“運行維護”方面體現的經濟效益 99
5.2.2 CMS在“缺陷管理”方面體現的經濟效益 114
5.2.3 CMS在“備品備件儲備”方面體現的經濟效益 115
5.2.4 CMS在“大修技改項目申報”方面體現的經濟效益 118
5.2.5 經濟效益定性分析小結 118
5.3 CMS經濟效益的定量評價方法研究 119
5.3.1 引入P-F理論模型 119
5.3.2 CMS性能建模 120
5.3.3 對損壞惡化的過程和維修措施進行進一步建模 121
5.3.4 對繼發性損壞構建模型 123
5.3.5 案例研究 123
5.3.6 對CMS的附加價值進行建模 130
5.3.7 模型架構的模擬過程 131
5.3.8 模擬CMS的參數確定 132
5.3.9 結果分析 133
5.3.10 經濟效益的定量分析小結 137
5.4 結束語 137
參考文獻 137
第6章 基於時頻分析方法的風電機組傳動鏈故障診斷 139
6.1 引言 139
6.1.1 時域和頻域分析方法 139
6.1.2 時頻分析方法 141
6.2 基於EEMD-KECA的風機傳動鏈故障自動診斷 143
6.2.1 EEMD算法 143
6.2.2 基於EEMD的能量熵提取 144
6.2.3 KECA算法和數據轉換 145
6.2.4 基於EEMD-KECA的故障診斷算法 147
6.2.5 風電機組實驗驗證 149
6.3 基於LMD-ELM的風機傳動鏈故障自動診斷 156
6.3.1 算法理論介紹 156
6.3.2 基於LMD-ELM的故障診斷算法 159
6.3.3 仿真實驗驗證 160
6.3.4 風電機組實驗驗證 168
6.4 結束語 171
參考文獻 171
第7章 基於數學形態學方法的風電機組軸承故障診斷 174
7.1 引言 174
7.2 數學形態學簡介 175
7.2.1 數學形態學的基本理論與運算 175
7.2.2素的選取 176
7.2.3 基於三角素的特征提取效果分析 177
7.3 自適應形態學方法的提出 179
7.3.1 很優加權因子的選取 179
7.3.2 開閉組合算子和單一閉算子的特征提取能力比較 181
7.4 基於自適應數學形態學與相關分析的風機故障診斷 181
7.4.1 信號的相關分析方法 181
7.4.2 故障診斷策略基本思路 182
7.4.3 故障診斷策略具體步驟 183
7.4.4 實驗平臺仿真驗證 184
7.5 一種新的W素的提出 192
7.5.1 W素定義 192
7.5.2 W素的特征提取能力驗證 193
7.5.3 W素的自適應形態學在故障診斷中的仿真實例 195
7.6 故障診斷模型在實際風場風電機組中的應用 197
7.7 結束語 198
參考文獻 199
第8章 基於 MOMEDA與 Teager能量算子的風電機組復合故障診斷研究 201
8.1 引言 201
8.2 復合故障診斷的難點及相關研究現狀 201
8.3 理論方法描述 203
8.3.1 MOMEDA算法 203
8.3.2 Teager能量算子 205
8.3.3 基於 MK-MOMEDA和 Teager能量算子的軸承復合故障診斷 206
8.4 滾動軸承復合故障實驗驗證 208
8.4.1 實驗平臺介紹 208
8.4.2 算法驗證 209
8.5 風電機組滾動軸承復合故障診斷 221
8.5.1 實驗對像描述 221
8.5.2 算法驗證 221
8.6 結束語 226
參考文獻 227
第9章 基於直流偏移補償方法及S變換的風電機組齒輪箱故障診斷 229
9.1 引言 229
9.2 理論方法描述 229
9.2.1 多分量信號的平方包絡譜 229
9.2.2 直流偏移補償法 231
9.2.3 S變換 233
9.3 S變換-直流偏移補償法在軸承故障診斷中的應用 235
9.4 S變換-直流偏移補償法在齒輪箱故障中的應用 239
9.5 結束語 246
參考文獻 246
第10章 基於深度網絡的風電機組故障自學習 248
10.1 引言 248
10.2 相關理論基礎 249
10.2.1 深度信念網絡基本理論 249
10.2.2 S變換原理回顧 252
10.2.3 貝葉斯分類器 253
10.3 基於兩級DBN的滾動軸承故障自學習算法 253
10.4 算法驗證 258
10.4.1 數據來源 258
10.4.2 結果分析與討論 258
10.5 結束語 270
參考文獻 270
第11章 風電機組健康狀態預測與性能評估 272
11.1 引言 272
11.2 風電機組常見狀態預測與性能評估方法 273
11.3 基於SCADA數據的風電機組狀態預測與性能評估方法 274
11.3.1 算法核心思想 274
11.3.2 數據集預處理 275
11.3.3 特征信息提取 277
11.3.4 風機性能預測與退化評估 278
11.4 實例驗證與結果分析 279
11.4.1 數據集預處理 279
11.4.2 風電機組健康狀態綜合評估 286
11.4.3 結論與討論 288
11.5 基於SCADA和CMS的風電機組的狀態預測與健康管理框架 288
11.5.1 IEC風機標準提出及存在缺陷 288
11.5.2 總體框架描述 289
11.5.3 整機健康狀態估計 292
11.5.4 局部退化狀態估計 292
11.6 結束語 294
參考文獻 294

本書結合具體的風電企業應用實例，對風力發電機組可預測性維護和故障診斷技術及方法進行了比較繫統的介紹，並首次對可預測性維護繫統所帶來的經濟效益評價問題作了深入的研究。書中對風力發電機組的狀態監測、性能體檢、故障診斷及故障趨勢預測進行了深入細致的研究，給出了一些相應的解決方案。全書具有很強的理論與實踐指導意義，讀者能學以致用。本書內容深入淺出，繫統性強，注重理論聯繫實際，可作為控制科學、風能技術、智能控制等專業高年級本科生、研究生和教師的參考書，也可供風力發電、檢修與維護等領域的工程師和科研人員閱讀和參考。