摘要：首先,分析滚动轴承在风电传动系统中应用的局限性,探讨滑动轴承“以滑代滚”的可行性。然后,从风电机组用滑动轴承结构设计、轴承材料、性能分析及优化、试验测试及应用4个关键环节,综述滑动轴承风电应用的现有技术手段和面临的困难。最后,对风电机组滑动轴承的材料改性、一体化设计、延寿技术发展趋势做出展望。

摘要：为更好地推动风电机组叶片运维技术智能化发展,基于机器视觉检测技术,提出一种风电机组叶片多类型损伤检测方法。首先对智能巡检无人机平台采集到的风电机组叶片图像进行图像灰度化、滤波增强、分割以及形态学处理,实现叶片损伤区域的识别;然后基于连通域分析原理来获取叶片损伤区域的几何特征和灰度特征等参数信息,并依此设计出风电机组叶片损伤类型识别分类器;最后将检测算法和分类器融合于所设计的风电机组叶片损伤可视化检测系统。试验表明,该系统对于表皮脱落、涂层破损、砂眼、油污及裂纹等典型叶片损伤的平均检测准确率为90.4%。

摘要：在风电场运营中,准确及时的故障检测是降低风电机组运行维护成本的关键。然而,现有检测方法未充分挖掘功能单元间的潜在时空关联,限制了检测准确性的提升。文中提出了一种基于多层级时空图神经网络的风电机组在线异常检测方法,以提高故障检测的准确性。该方法依据风电机组物理结构,将其功能单元划分为多个子图,从而构筑了一个多层级的时空图神经网络,通过图注意力机制和多头注意力机制全方位地分析风电机组各传感器节点与功能单元之间的关联强度。同时,针对数据采集与监控(SCADA)系统数据的时间关联,设计了动态图神经网络和时间注意力机制,使正常行为预测模型捕捉了SCADA系统数据的时间关联特性,实现了空间和时间特性的有效融合。最后,基于中国上海某风电场的实际数据验证了所提方法的显著有效性。

摘要：为精准有效地修复连续性异常数据,提出一种基于残差块优化卷积神经网络的残差网络数据修复模型。以乳山风电场的风电机组基础健康监测数据为例对模型进行工程验证。同时选取具有修复功能的多种模型对实际异常数据进行修复验证,并对所有模型的性能以及自身的修复精度进行对比分析。结果表明:ResNet模型避免了FCN以及CNN模型存在的缺陷,提高了数据修复的精度;ResNet模型适用于缺失或异常比例低于30%的数据修复;ResNet模型修复实例的结果符合数据变化趋势,能较好吻合监测数据的原始曲线。

摘要：为使前后风轮间流场干涉影响降低,双风轮风电机组传动链具有跨距长、支撑点多的特性,导致双风轮风电机组传动链在长跨距柔性主机架支撑下具有复杂的载荷特性。建立考虑主机架柔性的某型双风轮风电机组传动链动力学模型,分析齿轮与主机架结构强度。结果表明:各级齿轮接触强度、弯曲强度以及主机架强度均满足设计要求;主机架支撑变形有助于协调各构件之间的相对变形,适量减小主机架柔性有助于改善传动链承载时主轴轴承之间的轴线不对中情况。

摘要：为实现风电机组叶片损伤检测的高效化、智能化、便捷化,研究一种基于数字图像处理技术的风电机组叶片裂纹损伤识别以及裂纹类型判断和特征参数提取的方法。以无人机采集的风电机组叶片图像为研究对象,通过对比灰度化、滤波、阈值分割等图像处理步骤的多种算法,对形态学处理方法进行改进,首先选用平均值法对叶片图像进行灰度处理,其次使用中值滤波对图像进行去噪处理,再次使用Otsu阈值分割以实现裂纹区域的分割,然后基于改进的形态学方法提取出完善的叶片裂纹损伤区域,最后基于连通域原理完成裂纹区域的框取。基于上述算法设计风电机组叶片裂纹损伤识别系统以实现叶片裂纹图像检测的可视化处理、裂纹类型判断及裂纹特征参数提取等功能。结果表明,该系统对于风电机组叶片裂纹损伤检测具有可靠的识别精度,识别准确率为85%,实现了风电机组叶片裂纹损伤的自动识别与特征参数提取,提高了叶片裂纹损伤的检测效率。

摘要：大型风电机组变桨控制是一个复杂的非线性控制任务,如何在系统约束和风速扰动的条件下实现功率调节和载荷降低成为难题。针对该问题,文章采用机理与参数辨识方法构建了一个面向控制的线性变参数(LPV)模型,LPV模型引入间隙度量理论来降低模型复杂度,为控制设计提供了更加精确的线性模型。设计了时变卡尔曼滤波器,实现了风机的最优状态估计,基于获得的最优状态,提出了自适应模型预测(MPC)变桨控制器,MPC控制器能够根据实时风速变化调整预测模型,在满足系统约束的条件下实现大型风电机组功率-载荷的协调控制。OpenFAST对比仿真实例表明了模型与控制器的有效性。

摘要：【目的】电网电压跌落故障会引起风电机组载荷的剧烈变化,严重影响风电机组的安全稳定运行。随着风电机组的大型化,风电叶片长度不断增加,塔筒增高,其载荷特性对系统参数波动变得敏感。因此,需要研究电网电压跌落过程中关键部件的载荷与振动特性。【方法】提出了基于动态链接库和Socket通信的数据交互方式,建立了Simulink与Bladed的联合仿真方法。基于某3.4 MW风电机组模型,采用给定风速变化的工况对联合仿真平台进行验证。研究了低电压穿越(low voltage ride through,LVRT)过程中机组总体性能与叶片、塔筒载荷的变化关系。【结果】电网电压跌落幅值对电机功率影响较大,对风轮的调节参数影响较小。低电压穿越过程中风轮的桨矩角调节和转速有较长时间的波动,叶片外叶展处载荷的变化大于内叶展处,叶尖位移增加。塔架的振动频率与固有频率接近,存在潜在风险,需要在机组设计中考虑。【结论】联合仿真平台可以很好地模拟风电机组的气动性能与部件载荷的暂态特性,为机组的优化控制提供参考。

摘要：文章针对凝冻积冰环境下风电机组叶片气热法防除冰技术展开现场试验,验证其防除冰效果及加热能耗。首先,分析了叶片表面结冰复杂过程并模拟计算NACA64618翼型表面积冰分布;然后,结合2MW风电机组构建叶片主动气热法防除冰系统并实施现场示范工程;最后,开展了风电机组叶片静态除冰试验、防冰试验及防冰生产运行试验,辅助全景红外热成像检测分析叶片防除冰效果及加热能耗。试验结果表明,在冰厚为30mm并控制加热温度为50℃的前提下,持续加热2h后叶片表面开始融冰脱落,加热能耗功率不足50kW。可为风电机组叶片气热法防除冰的工程应用系统设计提供参考。

摘要：故障模式与影响分析(FMEA)是辨识系统潜在故障模式,并评估其危害度的一种有效的可靠性分析方法。传统FMEA在分析过程中存在未考虑不同风险因素的权重、RPN对风险因素的变化敏感、难以处理专家主观评分信息以及未考虑故障模式间的传播影响关系等诸多缺陷。针对上述缺陷,提出了一种改进的FMEA方法。通过引入可靠性屋、粗糙集理论和理想点法来提高对故障模式危害度分析的准确性和客观性。相较于传统的FMEA,所提出的改进FMEA能够有效处理专家评分信息的主观性与不确定性问题,充分考虑了故障模式间的传播影响,能够在属性冲突及各种不确定性的情况下,对故障模式的风险等级进行排序。利用提出的改进FMEA对某型号风电机组的潜在故障模式进行了分析,获得了各故障模式的危害度排序以及各子系统的危害度排序。根据排序结果辨识出风电机组的可靠性薄弱环节和关键子系统,并给出各故障模式和各子系统的危害度权重,可为风电机组的可靠性优化设计提供数据支撑。