多功能风电机组安全监测及故障诊断系统研究

华电技术 ›› 2012, Vol. 34 ›› Issue (12): 74-78.

• 新能源 • 上一篇

多功能风电机组安全监测及故障诊断系统研究

迟继锋1，刘晓光2

1.华电新能源发展有限公司，北京100031； 2.华电电力科学研究院，浙江杭州310030

收稿日期:1900-01-01 修回日期:1900-01-01 出版日期:2012-12-25

Research on multifunctional safety monitoring and fault diagnosing system for wind power generation set

CHI Jifeng1, LIU Xiaoguang2

1.Huadian New Energy Development Company Limited, Beijing 100031, China; 2.China Huadian Electric Research Institute, Hangzhou 310030, China

Received:1900-01-01 Revised:1900-01-01 Published:2012-12-25

摘要/Abstract

摘要： 研究了一种多功能风电机组安全监测及故障诊断系统，能够对风电机组传动系统状态进行预测维修、防止设备二次故障、减少故障停机所造成的经济损失，有助于提高风电场现代化管理水平。除了监测传动机构振动情况并进行故障诊断外，该多功能风电机组安全监测及故障诊断系统还能够监测机舱内部明火及电气短路形成的烟雾，能够实时监测设备表面温度；具备视频监控、语音交互功能、射频识别功能，可对风场检修维护工作进行有效管理，提高风电场办公自动化水平。

关键词: 风电机组, 安全监测, 振动监测, 故障诊断, 视频采集, 烟雾报警

Abstract: A multifunctional safety monitoring and fault diagnosing system for wind power generation set was developed. Using the developed system, it is able to carry out the predictive maintenance of the condition of wind turbine drive system, to prevent the secondary fault of the equipment and to reduce the economic losses caused by accidental shutdown. The system is helpful for improvement of modern management level of the wind farm. Other than vibration monitoring of the drive system and the fault diagnosis, the safety monitoring and fault diagnosing system can monitor open flame and smog caused by electric short circuit inside the cabin and can monitor the realtime surface temperature of the devices. The system has functions of video monitoring, voice interaction and radio frequency identification (RFID), which is useful for effective management of the maintenance of wind farms and improvement of the office automation level of wind farms.

Key words: wind power generation set, safety monitoring, vibration monitoring, fault diagnosis, video capture, smoke alarm

迟继锋;刘晓光. 多功能风电机组安全监测及故障诊断系统研究[J]. 华电技术, 2012, 34(12): 74-78.

CHI Jifeng;LIU Xiaoguang. Research on multifunctional safety monitoring and fault diagnosing system for wind power generation set[J]. Huadian Technology, 2012, 34(12): 74-78.

[1]	冯骥, 杨国华, 史磊, 潘欢, 陆宇翔, 张元曦, 李祯. 基于并行融合深度残差收缩网络的有源配电网故障诊断[J]. 综合智慧能源, 2024, 46(6): 8-15.
[2]	任一鸣, 杜董生, 邓祥帅, 连贺, 赵哲敏. 基于GRU和GWO-KELM的电力线路故障诊断[J]. 综合智慧能源, 2024, 46(3): 54-62.
[3]	汪李忠, 池建飞, 丁叶强, 姚海燕, 唐志鹏, 吴同宇. 基于NNTR-SMOTE与GA-XGBoost的变压器故障诊断方法研究[J]. 综合智慧能源, 2024, 46(1): 84-93.
[4]	肖宏磊, 留毅, 夏红军, 缪宇峰, 俞啸玲, 杨海琦. 基于PCA与SSA-LightGBM的油浸式变压器故障诊断方法[J]. 综合智慧能源, 2023, 45(3): 9-16.
[5]	杨晓燕, 谢满承, 郭小璇, 赵岩, 陈翀旻, 陈子民, 廖卓颖. 基于改进原子轨道搜索算法优化随机森林分类器的光伏系统故障诊断[J]. 综合智慧能源, 2023, 45(10): 53-60.
[6]	龙思成, 黄志鸿. 基于多尺度极限融合网络的电力变压器故障诊断方法研究[J]. 综合智慧能源, 2022, 44(9): 78-83.
[7]	崔双双, 孙单勋. 分工况下风电机组各变量相关性研究[J]. 综合智慧能源, 2022, 44(12): 49-55.
[8]	范大千, 刘博嵩, 郭鹏. 基于AdaBoost算法的多参数模型风电机组叶片结冰监测与预警研究[J]. 华电技术, 2021, 43(8): 20-26.
[9]	贾志军, 白德龙, 宋燕杰, 王剑飞, 李春新. 基于KPCA算法的电厂设备在线故障诊断研究[J]. 华电技术, 2021, 43(8): 48-53.
[10]	杨明明. 基于卷积神经网络的机舱风速修正[J]. 华电技术, 2021, 43(5): 75-79.
[11]	曹力，潘巧波，王明宇，马东. 基于混合核函数支持向量机的风电机组发电机温度预警方法[J]. 华电技术, 2020, 42(5): 43-49.
[12]	杨明明. 基于机舱传递函数的风机功率曲线研究[J]. 华电技术, 2020, 42(5): 50-54.
[13]	姜寅，任荭葳，陈凯，朱长江. 基于BP神经网络的风电系统控制器I/O硬件故障自诊断方法[J]. 华电技术, 2020, 42(5): 55-60.
[14]	胡杰，唐静，谢仕义，王云. 基于大数据技术的电厂设备状态评估和预警应用研究[J]. 华电技术, 2020, 42(2): 1-6.
[15]	张丽, 田紫圆. 基于EMD分离水压分量的重力坝变形参数反演分析[J]. 华电技术, 2020, 42(12): 37-42.

多功能风电机组安全监测及故障诊断系统研究

Research on multifunctional safety monitoring and fault diagnosing system for wind power generation set

可视化

被引次数

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

本文评价