论文部分内容阅读
随着风力发电技术的不断成熟与快速发展,风电机组的单机容量不断增大,其内部结构愈加复杂。变桨距风电机组以其特有的优越性已成为现代大型风电机组的主流机型。变桨距系统作为风电机组控制系统的核心部件之一,其对提高风电机组的安全性、高效性和稳定性具有重要作用。变桨距系统是集机、电、液于一体的强非线性和强耦合性系统,由于运行环境恶劣和频繁的启停,使得其故障频发,从而造成高额的维护费用,因此对其进行故障诊断研究具有重要的意义。但受实际运行环境的影响,变桨距系统在工作中存在随机噪声、振动干扰和未知输入等多种不确定因素,给故障诊断带来极大困难。粒子滤波作为一种非线性系统的滤波方法,其不受模型线性化和噪声服从高斯分布等假设条件的约束,因而在故障诊断领域获得了广泛的研究和应用。但粒子滤波存在粒子退化和粒子贫乏等问题,从而导致故障状态估计准确性不高。为此,本文主要在通过分析变桨距系统的工作原理与故障机理的基础上,对基于粒子滤波的故障状态估计方法及其故障诊断策略展开研究,主要的研究内容如下:(1)分析了风电机组系统结构、工作原理以及风电机组中各主要子系统之间的关系,重点分析了变桨距系统的结构、工作原理和故障机理。以变桨距系统的动力学模型为基础,在粒子滤波框架下建立故障诊断模型。(2)针对变桨距系统故障状态估计中粒子滤波存在的粒子权值退化和粒子贫化导致状态估计精度不高的问题,采用自适应蝙蝠算法与粒子滤波进行有效融合对其进行研究。首先利用蝙蝠算法的强寻优特性,在粒子采样过程中融入自适应蝙蝠算法,并利用最新的量测值定义粒子的适应度函数,引导粒子向高似然区域移动;其次,引入一个动态自适应惯性权重优化粒子的全局位置更新机制,改善粒子贫化及陷入局部极值的问题,提高状态估计的精度。(3)针对变桨距系统在实际运行环境中存在随机噪声、耦合干扰和实际研究中存在建模误差等不确定性因素的影响,利用传统固定阈值进行故障决策时导致故障诊断准确性不高的问题,采用改进的自适应阈值作为残差判别函数对其进行研究。首先分析故障的残差信息,利用统计学中置信区间的思想设计自适应阈值,并通过计算求取残差的均值和方差的递推估计式改进自适应阈值,提高故障诊断的准确度和实时性。