文献类型：期刊文章

作　　者：金晓航[1,2] 孙毅[1,3] 单继宏[1,2] 吴根勇[2,4,5]

机构地区：[1]浙江工业大学特种装备制造与先进加工技术教育部重点实验室,杭州310014 [2]浙江工业大学机械工程学院,杭州310014 [3]浙江工业大学海洋研究院,杭州310014 [4]浙江运达风电股份有限公司,杭州310012 [5]风力发电系统国家重点实验室,杭州310012

出　　处：《仪器仪表学报》

基　　金：国家自然科学基金(51505424;51675484);浙江省自然科学基金(LY15E050019)项目资助

年　　份：2017

卷　　号：38

期　　号：5

起止页码：1041-1053

语　　种：中文

收录情况：BDHX、BDHX2014、CAS、CSCD、CSCD2017_2018、EI、IC、JST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：随着风力发电机组装机容量的快速发展,累计运行时间的持续增长,风电机组的维护问题日益突出,迫切需要研发有效的风电机组故障诊断与预测系统。从故障诊断和故障预测两个方面,归纳风力发电机组的主要故障特点;针对故障诊断难点问题,分析和总结基于振动、电气信号分析和模式识别算法的故障诊断方法的研究现状,指出各种方法的技术特点、局限性和今后的发展趋势;针对风电机组中机械结构和电子系统性能退化的各自特点,归纳当前的研究进展,提出物理失效模型和数据驱动模型融合的故障预测方法;最后,归纳了利用风力发电机组数据采集与监控系统(SCADA)数据进行故障诊断与预测的最新进展及需要进一步研究的问题。

关 键 词：风力发电机组 故障诊断 故障预测 数据采集与监控系统

分 类 号：TH17]