基于现有风电远控系统采集数据的大数据分析及应用
摘要 | 第5-6页 |
Abstract | 第6页 |
第1章 绪论 | 第10-19页 |
1.1 研究背景及意义 | 第10-13页 |
1.1.1 风力发电发展现状 | 第10-11页 |
1.1.2 研究意义 | 第11-13页 |
1.2 国内外研究现状 | 第13-18页 |
1.2.1 风电大数据采集技术背景 | 第13页 |
1.2.2 风电大数据分析的技术现状 | 第13-16页 |
1.2.3 风电机组性能评估及故障检测技术 | 第16-18页 |
1.3 论文研究内容 | 第18-19页 |
第2章 风电机组基本原理及结构 | 第19-29页 |
2.1 风力发电机组原理介绍 | 第19-21页 |
2.1.1 风力发电机组原理 | 第19-20页 |
2.1.2 风电机组的特点 | 第20-21页 |
2.2 风电机组主要结构 | 第21-27页 |
2.2.1 风轮 | 第21-22页 |
2.2.2 主传动链 | 第22-24页 |
2.2.3 机舱和偏航系统 | 第24-25页 |
2.2.4 塔架和基础 | 第25-27页 |
2.3 风电场SCADA系统 | 第27-28页 |
2.4 本章小结 | 第28-29页 |
第3章 基于监控数据的设备基本性能评估 | 第29-37页 |
3.1 风况特性分析 | 第29-32页 |
3.1.1 风速的时间特性 | 第29-30页 |
3.1.2 风向的季节变化特性 | 第30-31页 |
3.1.3 风速的湍流特性 | 第31-32页 |
3.2 风电机组的综合性能分析 | 第32-35页 |
3.2.1 功率特性 | 第32-33页 |
3.2.2 风能吸收特性 | 第33-34页 |
3.2.3 风轮的转矩和推力特性 | 第34-35页 |
3.3 宏观可靠性分析 | 第35-36页 |
3.4 本章小结 | 第36-37页 |
第4章 基于风电运维数据的故障统计分析 | 第37-43页 |
4.1 概述 | 第37页 |
4.2 我国风电场的故障统计分析 | 第37-40页 |
4.2.1 总故障数据统计 | 第38-39页 |
4.2.2 子系统故障分布情况 | 第39-40页 |
4.3 风电机组的典型故障 | 第40-42页 |
4.3.1 风轮及变桨系统 | 第40页 |
4.3.2 主传动链 | 第40-42页 |
4.3.3 偏航系统及机舱 | 第42页 |
4.4 本章小结 | 第42-43页 |
第5章 基于SCADA数据的风电机组状态评估 | 第43-54页 |
5.1 概述 | 第43-44页 |
5.1.1 相关性分析 | 第43页 |
5.1.2 自相关分析及其应用 | 第43-44页 |
5.1.3 互相关分析及其应用 | 第44页 |
5.2 机舱振动监测 | 第44-46页 |
5.2.1 机舱振动的变化趋势分析 | 第44-45页 |
5.2.2 机舱振动的相关性分析 | 第45-46页 |
5.3 塔架振动监测 | 第46-47页 |
5.4 齿轮箱温度监测 | 第47-51页 |
5.4.1 齿轮箱温度趋势分析 | 第47-49页 |
5.4.2 齿轮箱超温情况统计 | 第49-51页 |
5.5 其他性能参数相关性分析 | 第51-52页 |
5.5.1 桨距角的相关性分析 | 第51页 |
5.5.2 风轮转速的相关性分析 | 第51-52页 |
5.5.3 发电机转矩与转速的相关性分析 | 第52页 |
5.6 相关系数 | 第52-53页 |
5.7 本章小结 | 第53-54页 |
第6章 风电机组CMS系统振动数据分析 | 第54-87页 |
6.1 运行监控SCADA数据的特征分析 | 第54-60页 |
6.2 SCADA数据与CMS数据对比分析 | 第60-63页 |
6.3 CMS数据分析 | 第63-86页 |
6.3.1 振动特征值 | 第64-66页 |
6.3.2 振动瞬时波形分析 | 第66-68页 |
6.3.3 振动通频频谱分析 | 第68-70页 |
6.3.4 振动频谱瀑布图 | 第70-79页 |
6.3.5 振动倒频谱分析 | 第79-86页 |
6.4 本章小结 | 第86-87页 |
第7章 结论与展望 | 第87-90页 |
7.1 结论 | 第87-89页 |
7.2 研究展望 | 第89-90页 |
参考文献 | 第90-93页 |
攻读硕士学位期间发表的论文及其它成果 | 第93-94页 |
致谢 | 第94-95页 |
作者简介 | 第95页 |