双馈式风电机组发电机故障分析与诊断研究
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-14页 |
| 1.1 课题研究背景和意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-13页 |
| 1.2.1 故障诊断技术现状 | 第11-12页 |
| 1.2.2 发电机故障诊断国内外研究现状 | 第12-13页 |
| 1.3 本文的研究内容 | 第13-14页 |
| 第2章 双馈式发电机故障研究 | 第14-44页 |
| 2.1 风电机组基本形式 | 第14-16页 |
| 2.2 双馈异步电机结构特点和工作原理 | 第16-17页 |
| 2.3 双馈异步发电机故障机理分析 | 第17-27页 |
| 2.3.1 转子不平衡故障 | 第17-18页 |
| 2.3.2 转子不对中故障 | 第18-21页 |
| 2.3.3 轴承故障 | 第21-23页 |
| 2.3.4 转子绕组匝间短路 | 第23-26页 |
| 2.3.5 定子绕组匝间短路 | 第26-27页 |
| 2.4 双馈异步发电机故障征兆表 | 第27-28页 |
| 2.5 双馈异步发电机典型故障FMEA分析 | 第28-36页 |
| 2.6 双馈异步发电机典型故障FTA分析 | 第36-43页 |
| 2.7 本章小结 | 第43-44页 |
| 第3章 风电双馈异步电机故障预警与诊断 | 第44-69页 |
| 3.1 基于无量纲因子的故障预警 | 第44-53页 |
| 3.1.1 无量纲指标 | 第44-46页 |
| 3.1.2 基于阶比重采样的时域信号预处理 | 第46-49页 |
| 3.1.3 无量纲因子故障预警信息提取 | 第49-52页 |
| 3.1.4 基于无量纲因子的故障预警框架 | 第52-53页 |
| 3.2 基于神经网络的故障诊断 | 第53-67页 |
| 3.2.1 基于区间的SCADA参数阈值划分 | 第53-57页 |
| 3.2.2 电气参数频带特征提取 | 第57-58页 |
| 3.2.3 BP神经网络理论及其改进 | 第58-62页 |
| 3.2.4 神经网络的训练 | 第62-64页 |
| 3.2.5 故障诊断识别案例 | 第64-67页 |
| 3.3 故障预警与诊断详细流程 | 第67-68页 |
| 3.4 本章小结 | 第68-69页 |
| 第4章 风电场设备状态监测与管理系统 | 第69-75页 |
| 4.1 系统开发路线 | 第69-70页 |
| 4.2 系统数据获取 | 第70-72页 |
| 4.2.1 振动信号获取方案 | 第70-71页 |
| 4.2.2 电流传感器的选择 | 第71页 |
| 4.2.3 SCADA数据的获取和清单 | 第71-72页 |
| 4.3 系统介绍 | 第72-74页 |
| 4.3.1 发电机实时数据监测模块 | 第72页 |
| 4.3.2 发电机故障诊断模块 | 第72-73页 |
| 4.3.3 故障报表管理模块 | 第73-74页 |
| 4.3.4 发电机故障知识库模块 | 第74页 |
| 4.4 本章小结 | 第74-75页 |
| 第5章 结论与展望 | 第75-77页 |
| 5.1 总结 | 第75-76页 |
| 5.2 展望 | 第76-77页 |
| 参考文献 | 第77-81页 |
| 攻读硕士学位期间发表的论文及其它成果 | 第81-82页 |
| 致谢 | 第82页 |
