基于支持向量机和统计过程控制的风电机组故障预测算法

华北电力大学（保定）硕士学位论文基于支持向量机和统计过程控制的风电机组故障预测算法的研究姓名：胡庆春申请学位级别：硕士专业：电力系统及其自动化指导教师：赵洪山2011-03华北电力大学硕士学位论文I摘要随着经济的快速发展，能源的需求与日俱增。风能以其清洁、高效、可再生等优点，成为发展昀快的新型能源。风力发电事业的迅猛发展，风电场的运行与维护是我们将要面对的重要问题之一。如果在故障发生前做出预测，就能够提前制定合理的检修计划和安排检修人员与物资，减少因风电机组故障造成的损失，保证机组正常持续运行。因此，进行风电机组关键部件的故障预测研究，对降低风电场运行、检修成本和提高风电机组运行可靠性具有重大意义。本文介绍了风电机组故障检测算法的国内外研究现状，以及支持向量机技术和统计过程技术，提出了基于改进统计过程控制技术的风电机组风轮叶片故障预测算法和基于昀小二乘向量机与统计过程控制技术的风电机组齿轮箱和发电机温度故障预测算法。昀后，本文利用算法对北方某风场的实际风机运行监控数据进行分析，结果证明了本文算法的有效性。关键词：风力发电机组故障预测昀小二乘向量机统计过程控制华北电力大学硕士学位论文IIAbstractWiththedevelopmentofnationaleconomy,thedemandforenergyincreasefast,andwindenergybecomethefastestgrowingnewenergyforitsclean,efficientandrenewable.Astherapiddevelopmentofwindpowergeneration,operationandmaintenanceofwindfarmsbecomeoneoftheimportantissuesthatwewillhavetoface.Ifafailurecanbepredictedbeforeitcomestobetrue,wecanmakethemaintenanceplanandschedulemaintenancepersonnelandsuppliesintime,sothelosscausedbyfaultscanbereduced.Therefore,itisveryimportanttostudyonthefaultpredictionalgorithmofkeycomponentsinwindturbine.Thispaperintroducestheresearchactualityofthedomesticandinternationalfaultdetectionalgorithmofwindturbine,alongwiththetheoryofsupportvectormachine(SVM)andstatisticalprocesscontrol（SPC）chart.WesetupthefaultpredictionalgorithmforbladebasedonimprovedSPC，andalgorithmforwindturbinegearboxandgeneratorbasedonleastsquaresSVM.Atlast,thispaperapplythefaultpredictionalgorithmstotheactualconditionmonitoringdatainawindfarms,itprovesthepossibilityandavailabilityaboutthefaultpredictionalgorithms.Keywords:windturbine,faultprediction,supportvectormachine,statisticalprocesscontrol华北电力大学硕士学位论文原创性声明本人郑重声明：此处所提交的硕士学位论文《基于支持向量机和统计过程控制的风电机组故障预测算法的研究》，是本人在导师指导下，在华北电力大学攻读硕士学位期间独立进行研究工作所取得的成果。据本人所知，论文中除已注明部分外不包含他人已发表或撰写过的研究成果。对本文的研究工作做出重要贡献的个人和集体，均已在文中以明确方式注明。本声明的法律结果将完全由本人承担。作者签名：日期：年月日华北电力大学硕士学位论文使用授权书《基于支持向量机和统计过程控制的风电机组故障预测算法的研究》系本人在华北电力大学攻读硕士学位期间在导师指导下完成的硕士学位论文。本论文的研究成果归华北电力大学所有，本论文的研究内容不得以其它单位的名义发表。本人完全了解华北电力大学关于保存、使用学位论文的规定，同意学校保留并向有关部门送交论文的复印件和电子版本，允许论文被查阅和借阅。本人授权华北电力大学，可以采用影印、缩印或其他复制手段保存论文，可以公布论文的全部或部分内容。本学位论文属于（请在以下相应方框内打“√”）：保密□，在年解密后适用本授权书不保密□作者签名：日期：年月日导师签名：日期：年月日华北电力大学硕士学位论文1第一章绪论1.1选题背景及意义随着经济的飞速发展和人口的不断增长，对能源的需求与日俱增，人类面临能源利用与环境保护的双重压力。一方面，由于上世纪下半叶人类无节制地开采石油、煤炭和天然气等化石燃料，使得化石能源日趋匮乏与枯竭；另一方面，化石能源的大量使用，造成温室气体的大量排放，对自然环境产生了严重的污染与破坏。面对如此严峻的形势，世界各国努力寻求高效、清洁、可再生的新型能源，以替代日益枯竭的化石能源并减少对环境的破坏。经过多年的发展，太阳能、风能、水能、生物能和地热能等清洁能源被人类开发利用，可再生能源已经在世界能源供应战略中占据一席之地，受到了各国政府的重视。开发利用可再生能源成为世界能源可持续发展战略的重要组成部分，成为大多数发达国家和部分发展中国家21世纪能源发展战略的重要组成部分。在众多的新型可再生能源中，风能分布范围广泛，风力发电技术比较成熟且成本相对较低，昀具有大规模开发和商业化发展前景，因此风力发电在改善能源结构和节能减排方面的作用受到了越来越多的关注，成为目前国际上可再生能源领域发展昀快的清洁能源。据全球风能理事会（GWEC）统计资料，2007年全球新增风电装机容量约9万兆瓦；2008年全球风电增长28.8%，2008年底全球累计风电装机总容量已超过了12.08万兆瓦，相当于减排二氧化碳1.58亿吨；2009年全球风力发电装机容量达37500兆瓦；风电已经成为非水电可再生能源中第一个全球装机超过1亿千瓦的电力资源。根据GWEC预测，到2012年，全球装机容量将达到2.4亿千瓦，年发电5000亿千瓦时，风电约占全球电力供应的3%。在国家政策扶持和市场拉动下，我国风力发电得到了长足发展。2004年底，全国风力发电装机容量76.4万千瓦；2005年2月《可再生能源法》颁布之后，当年装机容量就达到126万千瓦；2006年当年装机容量超过100%，累积装机容量超过259.7万千瓦；2007年新增装机容量330万千瓦，累积装机容量达到604万千瓦，；2008年，全国风电装机总容量626.6万千瓦，累积装机容量1225.3万千瓦；2009年我国风电新增装机容量1380.3万千瓦，累积装机容量达到2580万千瓦，中国一跃成为世界上主要风电市场之一。随着我国风力发电事业的迅猛发展，一些问题也随之而来，风电场的运行与维护是我们将要面对的重要问题之一。据欧洲风电协会统计，风力发电机组每千瓦时的运行检修费用占总生产成本的20%-25%，海上风力发电机组的运行维修费用更达到35%[1]。如何华北电力大学硕士学位论文2降低风力发电成本，提高风力发电机组运行可靠性成为业界关注的焦点。大多数设备故障的发生都要经历一个发展过程，并不是瞬间爆发的，也就是说大部分故障发生前都会有一些预告信号，而此类信号与正常时的状态特征信号是有区别的，我们称这类信号为潜在故障[2]。如果能够识别出潜在故障信号，在故障发生前做出预测，就能够提前制定合理的检修计划和安排检修人员与物资，减少因风电机组突然停机造成的损失，保证机组正常持续运行。因此，对风电机组关键部件的故障预测算法进行研究，对降低风电场运行、检修成本和提高风电机组运行可靠性具有重大意义。1.2风电机组故障检测技术国内外研究现状1.2.1国外研究现状欧美等发达国家风力发电事业起步比中国早，在风力发电机组的设计、监控、和维修方面的研究取得了很多的成果。美国、德国、丹麦、西班牙等风力发电发达的国家，投入大量人力、物力开展风电机组状态监测和故障检测方面的研究，以期望降低风力发电成本，提高风电机组运行的可靠性和经济性。随着科学技术的发展，近年来欧美国家在风电机组故障检测技术研究方面取得了丰硕的成果，发表了许多关于风力发电机故障检测方法的研究文献和应用研究报告。文献[3]介绍了利用声发射(AE)技术来检测设备的损坏故障，当材料内部快速释放能量产生暂态弹性波时会引起声发射，声发射发就是利用压电换能器检测暂态压力波，以此来判断设备内部的损伤。文献[4]介绍了应用热弹性压力（TSA）分析技术来检测风力发电机叶片的损伤，由于热弹性检测设备的高温度灵敏性和构成叶片的玻璃和聚酯材料的低导热性，热弹性压力测量对空间和温度变化很敏感，利用这一特性可以对风力发电机的叶片损伤进行检测。文献[5]介绍了运用定性物理法(QP)对风力发电机进行故障检测的研究，物理定性通过质量特征来描述系统表现随时间的变化，预测这些变化的程度，减少了决策过程对信息的需求，适合于复杂的风力发电机建模。文献[6]介绍了利用扭转振动来判断齿轮箱轮齿的损伤，当轮齿出现裂缝，轮齿咬合时裂隙轮齿发生偏转，使得转速出现瞬时波动，通过测量轮齿的偏转程度，轮齿的破裂程度可以被计算，以此可以对轮齿故障进行预警。文献[7]中利用热成像技术对风电机组的开关装置故障进行检测：开关操作时，开关设备的触点部分会被火花侵蚀，这会在开关触点留下燃烧痕迹，导致电阻增加，因此，相同的电流流过时，触点的温度较高，利用这一特性，采用热成像技术可以检测风电机组开关设备故障。1.2.2国内研究现状我国风力发电事业起步较晚，目前风力发电的研究重点多集中于风电机组的设计以及规华北电力大学硕士学位论文3模化发电，在风电机组状态监测和故障检测技术方面的研究还处于初级阶段，取得的成果比较有限，发表的相关文献也多集中于风电机组部件的振动信号分析。文献[8]利用振动力学、有限元理论和齿轮啮合理论，建立起了圆柱齿轮传动三维有限元模型，分析风电机组传动齿轮箱的故障振动特性。文献[9]利用小波神经网络对风力发电的故障进行诊断：利用改进的局部判别基（LDB）算法提取初始故障特征，并将其通过自组织特征映射（SOM）网络映射到一个类别可分性更高的特征空间，再利用BP神经网络根据映射后的特征进行分类，实现风电机组故障的诊断。文献[10]通过对采集的风电机组齿轮箱振动信号进行时域分析和频域分析，对齿轮箱故障进行诊断。1.3本课题的主要研究内容本文应用统计过程技术和支持向量机技术对风力发电机组重要组成部分——风轮叶片、齿轮箱、发电机的早期故障进行了研究。通过对风电机组运行监测数据进行分析，根据风电机组运行的特点，提出运用基于改进的统计过程技术方法对风电机组风轮叶片的故障进行预测；结合支持向量机和统计过程技术对风电机组齿轮箱和发电机的温度故障进行预测，并在MATLAB平台编制程序进行仿真和实际算例分析。第一章：绪论，介绍了风力发电事业的发展和现状以及国内外风电机组故障检测技术的研究现状，论证了建立风电机组早期故障预测系统的意义。第二章：介绍了风电机组的基本功能构成以及常见的故障类型。第三章：介绍了机器学习理论和支持向量机技术。支持向量机具有优秀的学习能力和泛化能力，利用其建立风电机组正常模式预测模型能够很好地适应复杂多变的状态监测数据，反映设备的真实状态，具有良好的预测精度。第四章：介绍了统计过程控制技术(SPC)。SPC具有事前预防特性，利用这一特性对风力发电机组运行监控数据进行分