风力发电机故障诊断的优化算法研究
风力发电场中的故障诊断与预测算法研究
风力发电场中的故障诊断与预测算法研究近年来，风力发电成为可再生能源中备受关注的一种，其环保、高效的特点使之在能源领域具有广阔的发展前景。
然而，在风力发电场的运行过程中，故障和损坏却是不可避免的，因此研究风力发电场中的故障诊断与预测算法变得尤为重要。
故障诊断是保障风力发电设备正常运行和延长寿命的关键。
传统的故障诊断方法主要依赖人工观察和经验判断，效率低下且易出现误判。
因此，提出一种自动化、准确性高的故障诊断算法成为迫切的需求。
针对风力发电场中的故障诊断问题，可以使用数据驱动的方法进行研究。
数据驱动方法的基本思想是通过分析历史数据，提取出与故障相关的特征，从而识别和预测故障。
常见的数据驱动方法包括统计方法、机器学习方法和深度学习方法等。
统计方法是故障诊断与预测研究中最早应用的方法之一。
其基本思想是通过对大量历史数据的统计分析，寻找故障发生的规律和特征。
常用的统计方法包括均值、方差、相关系数等。
然而，统计方法往往需要大量的数据和假设满足一定的分布条件，对于复杂的故障问题来说有一定的局限性。
机器学习方法是近年来故障诊断与预测研究中广泛应用的方法之一。
通过建立故障样本库，使用机器学习算法训练模型，从而实现对新数据的分类和预测。
常见的机器学习算法包括支持向量机（SVM）、决策树、随机森林等。
机器学习方法具有较好的自动化特性，可以通过对数据的特征提取和模型训练来实现对故障的准确识别和预测。
深度学习方法是近年来故障诊断与预测研究中兴起的方法之一。
深度学习利用多层的神经网络结构对数据进行特征学习和表示，从而实现对复杂问题的解决。
例如，卷积神经网络（CNN）可以处理图像数据，递归神经网络（RNN）可以处理时序数据。
深度学习方法具有较强的表征能力和泛化能力，可以高效地学习和提取数据中的故障特征。
除了故障诊断，预测算法也是风力发电场中的重要课题之一。
通过预测算法，可以根据历史数据和当前状态，预测风力发电设备的未来性能和故障。
风力发电与风轮机优化设计
三、未来展望
随着科技的不断发展，未来的风轮机优化设计将更加注重智能化、自动化的 设计方法。例如，利用人工智能和机器学习技术对风轮机进行优化设计已经成为 当前的研究热点。此外，随着数字化和智能制造技术的发展，未来的风轮机制造 将更加高效和精准。例如，采用增材制造技术可以显著缩短制造周期，提高生产 效率。
参考内容
随着全球对可再生能源需求的日益增长，风能作为一种重要的清洁能源，其 开发与利用越来越受到人们的。水平轴风力发电机组作为风能利用的主要形式， 其性能的优劣直接影响到风能的转换效率和发电成本。而风轮叶片作为水平轴风 力发电机组的核心部件，其设计优化对于提高机组性能具有至关重要的意义。
一、水平轴风力发电机组概述
参考内容二
随着全球能源结构的转变，可再生能源在能源供应中的地位日益重要。风力 发电作为一种清洁、可再生的能源，在全球范围内得到了广泛的应用。然而，风 力发电的功率输出受到多种因素的影响，如风速、风向、温度等，这些因素的变 化使得风力发电的功率输出具有很大的不确定性。因此，如何提高风力发电系统 的功率预测精度，优化功率预测策略，对于提高风力发电系统的运行效率、降低 运行成本、提高电力系统的稳定性具有重要意义。
3、控制策略优化：风轮机的控制策略对其性能有着重要影响。通过对控制 策略进行优化，可以实现风轮机的自适应调节，以适应不同的风速和风向条件。 例如，采用先进的控制算法，可以实现风轮机的最优控制，提高其发电效率。
4、可靠性提升：在优化设计的过程中，还需要考虑提高风轮机的可靠性。 通过对风轮机的结构和控制系统进行可靠性分析，可以找出潜在的问题和风险， 并采取相应的措施进行改进和预防。例如，采用冗余设计和故障诊断技术，可以 显著提高风轮机的可靠性。
4、实时监测与调整
风力发电机组优化控制与故障诊断技术研究
风力发电机组优化控制与故障诊断技术研究近年来，风力发电已经成为可再生能源领域内最具潜力的发展方向之一。
风力发电机组作为其中重要的组成部分，其性能优化和故障诊断技术的研究对于提高风能利用效率、延长设备寿命至关重要。
本文将对风力发电机组的优化控制与故障诊断技术进行研究。
风力发电机组的优化控制主要包括针对风能捕获、电网交互和设备可靠性等方面进行的控制策略改进。
首先是风能捕获方面的优化控制。
通过改变机组控制策略、调整叶片角度等手段，提高风测量控制的精度，最大化风能的捕获率。
其次是电网交互方面的优化控制。
通过优化发电机组的功率与电网之间的交互，实现稳定可靠的并网操作，确保电力系统的供应质量。
此外，还可以通过优化控制策略，提高发电机组的自适应能力，适应不同电网条件下的操作要求。
最后，设备可靠性方面的优化控制。
在风能发电过程中，风力发电机组经历了高强度的工作环境和长期运行，因此需要采取相应的措施来保证设备的正常运行和寿命。
例如，在故障检测方面，可以通过传感器的布置和信号处理技术的改进，提高对故障的检测和定位能力。
同时，还可以通过改进智能控制算法，提高对设备工作状态的监测和控制能力，减少故障发生的概率。
与优化控制技术相对应的是故障诊断技术。
风力发电机组作为复杂的机电系统，其故障诊断技术的研究对于提高发电效率和降低运维成本十分重要。
首先是故障特征提取与选择。
通过采集机组相关的运行数据，使用信号处理和数据分析的方法，提取与故障相关的特征，以便于对故障进行识别与分类。
其次是故障诊断算法的优化。
选择适合的故障诊断算法，如人工智能算法、模型预测控制等，对故障进行准确的检测、诊断和定位。
此外，还可以采用机器学习和深度学习等技术，通过大量数据的训练和处理，提高故障诊断的准确性与效率。
最后是故障诊断的决策与处理。
一旦故障被诊断出来，需要及时采取相应的措施，如修复、更换或调整，以最大程度地降低故障对风力发电机组的影响。
在风力发电机组优化控制与故障诊断技术的研究中，不可忽视的是数据的采集与处理。
海上风电机组故障诊断及运维策略研究
技术协作信息2023（5）总第1486期海上风电机组故障诊断及运维策略研究张星1，吴刚1，沈振2，徐华利11.中广核风电有限公司2.河南平高电气股份有限公司摘要：风力发电近几年已经越来越被重视，海上风电机组作为重要的电能转换设备，运行状态对风电场的日常运行与维护具有显著影响。
但是由于风电机组工作环境恶劣，内部结构复杂，相应的故障率较高，导致风电机组运维成本高。
因此，本文针对海上风电机组故障诊断方法及运维策略进行了研究，基于海上风电机组的监督控制和数据采集数据，运用数据驱动方法，对海上风电机组进行状态监测与故障诊断，根据诊断类型和原因分析，提出基于风电机组状态的海上风电运维策略。
关键词：海上风电机组，故障诊断，运维策略技术探讨与推广引言当前世界范围内，关于保护和应对气候变迁问题已形成共识，首先提出了《联合国气候变化框架公约》，后来又发布了《巴黎协定》，包括国内的两会报告和“十四五”规划大纲相关内容，中国首次明确提出了2030年实现“碳达峰”，2060年前实现“碳中和”任务。
与此同时，第十四个五年规划明确指出，加快壮大新能源、风力发电、绿色环保等产业，推动能源革命，完善能源产出供销体系，建设智慧能源体系。
在能源危机与全球生态环境恶化的双重压力下，风能作为一种无污染、可持续利用的新能源具有巨大发展潜力。
在过去二十年里，风电作为发展最快的可再生能源之一，全球累计风电装机容量已增加近75倍。
风能作为一种可再生能源，基本上对环境无污染而且可持续，目前在全球范围内都受到强烈关注，但是风能资源与环境的相关性很高，比如在沿海地区、山区以及平原陆地等区域，风能资源是有区别的，其中海上风能资源相比陆地高出了20%~40%，同时中国的大陆海岸线近1.8万多千米之长，所管辖海洋范围接近300万平方公里，海洋的风能资源非常充足。
所以，海上风能资源的开发在促进能源结构转型，助力我国在承担全球环境保护各项任务中发挥出举足轻重的作用。
基于合成核支持向量机的风力发电机故障诊断
ｏ ｐ ｔ ｉ ｍ ｉ ｚ ｅ ｔ ｈ ｅ ｐ ａ ｒ ａ ｍｅ ｔ ｅ ｒ ｓ ｏ ｆ Ｓ Ｖ Ｍ ｗ ｉ ｔ ｈ ｔ ｈ ｅ ｐ ａ ｒ ｔ ｉ ｃ ｌ ｅ ｓ ｗ ａ ｒ ｍ ｏ ｐ ｔ ｉ ｍｉ ｚ ａ ｔ ｉ ｏ ｎ（ Ｐ Ｓ ｐ ｅ ｒ ｉ ｍ ｅ ｎ ｔ ｓ ｏ ｎ ｔ ｈ ｅ
Ｖｏ １ ． １ ２ Ｎｏ ． ５ ０ｃ ｔ ． ２ ０１ ３
基于合成 核支持 向量机 的风 力发 电机故 障诊断
焦 斌 ， 郝 云锁 ＇
（ １ ． 上 海 电机 学院 电气 学院 ， 上海 ２ ０ ０ ２ ４ ０ ； ２ ． 华东理 工 大学 信 息科 学与工 程学 院 ， 上海 ２ ０ ０ ２ ３ ７ ）
Ｓ ｃ ｉ ｅ ｎ ｃ ｅ ａ ｎ ｄ Ｅ ｎ ｇ ｉ ｎ ｅ ｅ ｒ ｉ ｎ ｇ ， Ｅ ａ ｓ ｔ Ｃ ｈ ｉ ｎ ａ Ｕ ｎ ｉ ｖ ｅ ｒ ｓ ｉ ｔ ｙ ｏ ｆ Ｓ ｃ ｉ ｅ ｎ ｃ ｅ ａ ｎ ｄ Ｔ ｅ ｃ ｈ ｎ ｏ ｌ ｏ ｇ ｙ ， Ｓ ｈ ａ ｎ ｇ ｈ ａ ｉ ２ ０ ０ ２ ３ ７ ， Ｃ ｈ ｉ ｎ ａ ）
Ａｂ ｓ ｔ ｒ ａ ｃ ｔ ： Ｔ ｈ ｅ ｓ ｕ ｐ ｐ ｏ ￣ｖ ｅ ｃ ｔ ｏ ｒ ｍ ａ ｃ ｈ ｉ ｎ ｅ ｓ（ Ｓ ＶＭ）ｉ ｓ ａ ｋ ｉ ｎ ｄ ｏ ｆ ｎ ｏ ｖ ｅ ｌ ｓ ｔ ａ ｔ ｉ ｓ ｔ ｉ ｃ ｓ ｌ ｅ ａ ｒ ｎ ｉ ｎ ｇ ｍｅ ｔ ｈ ｏ ｄ ． Ｉ ｎ ｔ ｈ ｅ ｃ ａ ｓ ｅ ｏ ｆ ｓ ｍ ａ ｌ ｌ
ＵＣ Ｉ ｄ ａ ｔ ａ ｂ ａ ｓ ｅ ． Ｃ ｏ ｍｐ ａ ｒ ｅ ｄ ｗｉ ｔ ｈ ｔ ｈ ｅ ｓ ｉ ｎ ｇ ｌ ｅ ｋ ｅ ｒ ｎ ｅ ｌ Ｓ ＶＭ ， ｔ ｈ ｅ ｃ ｏ ｍｐ ｏ ｓ ｉ ｔ ｅ ｋ ｅ ｒ ｎ ｅ ｌ ｓ ｃ ａ ｎ ｉ ｍｐ ｒ ｏ ｖ ｅ ｐ ｒ ｅ ｃ ｉ ｓ ｉ ｏ ｎ ｏ ｆ ｃ ｌ ａ ｓ ｓ ｉ ｆ ｉ ｃ ａ ｔ ｉ ｏ ｎ ａ ｎ ｄ ｇ ｅ ｔ ａ ｂ ｅ ｔ ｔ ｅ ｒ ｃ ｌ ａ ｓ ｓ ｉ ｆ ｉ ｃ ａ ｔ ｉ ｏ ｎ ｐ ｅ ｒ ｆ ｏ ｒ ｍａ ｎ ｃ ｅ ． Ｆ ｉ ｎ ａ ｌ ｌ ｙ ， ｗｅ ｕ ｓ ｅ Ｓ ＶＭ ｗｉ ｔ ｈ ｃ ｏ ｍｐ ｏ ｓ ｉ ｔ ｅ ｋ ｅ ｒ ｎ ｅ ｌ ｓ ｉ ｎ ｔ ｈ ｅ ｆ ａ ｕ ｌ ｔ ｄ ｉ ａ ｇ ｎ ｏ ｓ ｉ ｓ ｏ ｆ ｗｉ ｎ ｄ ｐ ｏ ｗｅ ｒ ｇ ｅ ａ ｒ ｂ ｏ ｘ ａ ｎ ｄ ｈ ａ ｖ ｅ ａ ｇ ｏ ｏ ｄ ｒ ｅ ｓ ｕ ｌ ｔ ． Ｋｅ ｙ ｗｏ ｒ ｄ ｓ ： Ｓ ＶＭ ， ｃ ｏ ｍｐ ｏ ｓ ｉ ｔ ｅ ｋ ｅ ｒ ｎ ｅ ｌ ， Ｐ Ｓ Ｏ， ｆ ａ ｕ ｌ ｔ ｄ ｉ ａ ｇ ｎ ｏ ｓ ｉ ｓ
浅谈风力发电机组振动状态监测与故障诊断
浅谈风力发电机组振动状态监测与故障诊断摘要：随着科技的发展，风电机组单机容量变大，内部的结构越来越复杂，还会受到天气的不可控因素的影响，比如会受到下雨时，打雷闪电等，本文对风力发电机组振动状态监测与故障诊断进行分析，以供参考。
关键词：风力发电；机组振动；状态监测；故障诊断引言风能是自然界中常见的自然现象，特别是在经济不发达，风能资源丰富的山地地区。
考虑到风能对当前社会结构的重要性，它提高了风力发电机运行的可检测性，并允许在整个发电机组运行期间及时发现问题，使整个风力发电机运行更平稳和安全。
1概述近年来国内风电发展迅速，风电机组容量的提升能够有效提高风能利用率和施工效率以及降低后期运维成本。
在机组容量和体型逐渐增大的同时，风电机组的安全成为风电领域内研究的重点。
江苏某风电场安装了多台6.45MW机组，此类型机组是目前国内厂家生产新型大容量机组之一，此机组塔筒高度为110m，叶轮直径达到171m。
国外GE公司生产的12MW风机单支叶片更是长达107m。
机组容量增大的同时叶片也在不断增大。
风电机组叶片成本约占风电机组总成本的15%～20%，风电机组叶片在风电机组运行过程中受风力作用而产生较大的弹性形变，故通常选用质量较轻、强度较大、耐腐蚀、抗疲劳的材料来制作风电机组叶片。
此外，由于结冰或者风力和风向的突变导致叶片振动过大，从而超过设计载荷发生断裂或者扫塔的现象也时有发生，而振动检测是叶片故障识别的常用方法之一，所以研究大型风电机组的叶片振动情况，对于叶片安全检测和监测具有重要的意义，研究结果也可对风电机组的控制策略优化提供重要指导作用。
在风力发电机组中，齿轮箱也存在着异常问题，表面磨损，齿轮轻度裂纹，设备老化等问题，以下对论文展开叙述。
2风力发电机组安全系统2.1分析(1)安全有关停止功能在机组通过安全防护装置(如传感器)检测到风轮转速超过限值、扭缆超过限值、过度振动及控制系统失效等信号时,安全系统起动机组紧急制动进入停止状态。
风电场风电机组优化有功功率控制的研究
风电场风电机组优化有功功率控制的研究2017年度申报专业技术职务任职资格评审答辩论文题目：风电场风电机组优化有功功率控制的研究作者姓名：李亮单位：中核汇能有限公司申报职称：高级工程师专业：电气二Ο一七年六月十二日摘要随着风电装机容量的与日俱增，实现大规模的风电并网是风电发展的必然趋势。
然而，由于风能是一种波动性、随机性和间歇性极强的清洁能源，导致风电并网调度异于常规能源。
基于此，本文将针对风电场层的有功功率分配开展工作，主要工作概括如下：(1)对风电机组和风电场展开研究，分析风力发电机组运行特性、风力发电机组控制策略、风电场的控制策略。
(2)提出了一种简单有效的风电场有功功率分配算法，可以合理利用各机组的有功容量，优化风电场内有功调度分配指令，减少机组控制系统动作次数，平滑风电机组出力波动。
(3)优化风机控制算法后，通过现场实际采集数据将所提方法与现有方法进行了比较，验证了所提方法的合理性。
关键词：风电机组、风电场、有功功率控制、AGCAbstractWith increasing wind power capacity, to achieve large-scale wind power is an inevitable trend of wind power development. However, since the wind is a volatile, random and intermittent strong clean energy, resulting in wind power dispatch is different from conventional energy sources. And the wind farm is an organic combination for a large number of wind turbines, wind farms under active intelligent distribution layer hair is also included in the grid scheduling section. Based on this, the active allocation and scheduling for grid scheduling side active layer wind farm work, the main work is summarized as follows:(1)Wind turbines and wind farms to expand research, in-depth analysis of the operating characteristics of wind turbines, wind turbine control strategy, control strategies of wind farms.(2)This paper proposes a simple and effective wind power active power allocation algorithm, can reasonable use each unit capacity, according to the optimization of wind farms in active dispatching command, decrease The Times of turbine control system action smooth wind power output fluctuation unit.(3)After optimization of the fan control algorithm, through the practical field data collected will be presented method are compared with those of the existing method, the rationality of the proposed method was verified.Keywords:wind turbine, wind farm, active power control目录摘要 (I)Abstract (II)第1章绪论 (1)1.1 课题研究背景 (1)1.2 有功功率控制的现状 (1)第2章风力发电机组及风电场有功控制基础 (2)2.1 风力发电机组运行原理 (2)2.1.1 风电机组的组成 (2)2.1.2 风电机组数学模型 (2)2.1.3 风力发电机组运行特性 (8)2.1.4 风力发电机组控制策略 (9)2.2 风电场有功功率控制 (10)2.2.1 风电场的基本结构 (10)2.2.2 风电场的控制策略 (11)第3章风电场内有功功率控制策略 (13)3.1 风电场有功功率控制的基本要求 (13)3.2 风电场有功功率工作模式 (13)3.3 风电场有功功率控制状态 (14)3.5 风电场实测数据对比 (15)3.5.1 风电场电气接线 (15)3.5.2 单台风力发电机组测试 (15)第4章结论 (19)参考文献 (20)第1章绪论1.1 课题研究背景相比于常规的火电和燃气电站，风电场的有功调节能力十分有限。
风力发电机组故障预测与维修优化
风力发电机组故障预测与维修优化一、引言随着可再生能源的快速发展，风力发电已成为重要的清洁能源之一。
然而，风力发电机组由于长期受到严酷的环境条件和不可避免的机械磨损，常常出现各种故障，给发电效率和稳定性带来一定的影响。
因此，开展风力发电机组故障预测与维修优化研究，对于提高发电机组的可靠性和运行效率具有重要意义。
二、风力发电机组故障预测方法1. 数据采集与处理风力发电机组的故障预测基于对机组运行数据的充分采集和处理。
通常采集的数据包括机组的振动、温度、电流、转速等参数。
这些数据通过传感器实时采集，并通过通信网络传输到运维中心进行处理。
2. 特征提取与选择为了实现故障的准确预测，需要从大量的机组数据中提取并选择出有效的特征。
常用的特征提取方法包括时域分析、频域分析和小波分析等。
通过特征选择算法，进一步筛选出与故障相关性强的特征，并将其作为故障预测模型的输入。
3. 故障预测建模基于采集到的特征数据，可以建立故障预测模型。
目前常用的模型包括人工神经网络、支持向量机、逻辑回归等。
这些模型通过训练已有的故障数据，学习故障的规律，并能够预测未来机组的可能故障。
三、风力发电机组维修优化1. 维修策略制定根据故障预测结果，可以制定相应的维修策略，既可以避免损失过大的停机维修，又能够及时修复可能导致更大故障的隐患。
制定维修策略需要考虑故障的严重程度、维修的成本和维修时间等因素。
2. 维修资源优化配置风力发电机组维修需投入大量的人力、物力和财力资源。
通过优化维修资源的分配，可以最大程度地提高维修的效率和成本效益。
优化配置维修资源需要考虑各种因素，如维修人员的技能水平、物料的供应链管理和维修工具的选择等。
3. 维修过程监控与反馈在维修过程中，通过实时监控维修工作的进展情况，可以及时发现和解决问题，确保维修工作的顺利进行。
同时，对维修工作进行反馈，不断总结经验教训，优化维修流程和策略，提高风力发电机组的故障处理能力。
四、实际应用与展望目前，风力发电机组故障预测与维修优化已在实际应用中取得了一定的成果。
风力发电机齿轮箱故障诊断系统的设计与实现
风力发电机齿轮箱故障诊断系统的设计与实现发布时间：2022-06-20T03:58:42.600Z 来源：《科学与技术》2022年第4期2月作者：羿世宇[导读] 风力发电机安装地点一般都安排在风力较大的地方，如海边、山顶及无障碍物的沙漠等，工作环境比较恶劣羿世宇中国大唐集团有限公司辽宁分公司辽宁朝阳 122300摘要：风力发电机安装地点一般都安排在风力较大的地方，如海边、山顶及无障碍物的沙漠等，工作环境比较恶劣。
风力发电机组的齿轮箱结构复杂精密，在不同工况中的振动情况也比较复杂，相比较于其他部件，更容易出现故障，因此本文在概述了风力发电机组齿轮箱结构、工作原理及常见故障的基础上，设计了风力发电机齿轮箱故障诊断系统，并输入齿轮箱的4种典型运行状态进行验证.结果表明，所设计的系统可较好地对风机齿轮箱的故障进行诊断。
关键词：风力发电机；齿轮箱；故障诊断；设计引言随着国内风力发电的发展，风力发电机(风机)组快速增多，但风机故障诊断系统的相对落后导致了国内风机的维护成本居高不下，造成了严重的经济损失。
据统计，内陆型风机组齿轮箱的维保费用占据单位电价的10%～15%，离岸型的比例更是达到了20%～25%。
因此开发风机齿轮箱故障诊断专家系统，对风机长时间保持常态运行以及及时准确的故障诊断排除和设备维护有着重要意义。
1风力发电机组齿轮箱结构风力发电机组齿轮箱主要包括齿轮箱箱体、齿轮传动部件、轴承及配套的润滑系统。
传动部件包含行星架、输入轴、太阳轮、行星轮、内齿圈、中间轴和输出轴。
根据动力传动方式的不同，齿轮箱的结构可分为定轴齿轮传动、行星齿轮传动，以及两者的组合传动形式3大类。
其中齿轮箱的箱体为齿圈轴提供支撑，把叶轮的转动力传递给输出轴，承受着内部和外部多个载荷；齿轮箱内部包含3行星轮和两级定轴齿轮传动。
2风力发电机齿轮箱工作原理叶轮在风的作用下转动，其轮毂转动带动齿轮箱的输入轴，进而带动行星架转动。
行星与轮箱体上的内齿圈以及太阳轮啮合，在实现自转的同时又能实现公转，完成第一轮增速；然后太阳轮带动同轴大齿轮和中间轴上的小齿轮啮合转动，进而完成第一级增速；中间轴和输出轴的齿轮啮合转动形成第三级增速。
电厂风机设备状态监控与故障预警系统研究
电厂风机设备状态监控与故障预警系统研究摘要：当前，能源的结构在不断的转型和调整，推动风力发电的快速发展，因此风力发电也成为当前主要的发电形式之一。
但是风电结构比较复杂，自身的运行环境也比较恶劣，为了能够有效的降低风电自身的检修成本，需要通过风机状态监控进行分析。
基于此，本文分析电厂风机设备状态监控与故障预警系统，为保证电厂风机设备的安全运行提供参考。
关键词：风机设备状态监控；故障预警系统；风力发电引言：对电厂风机监测数据进行分析，并且确定引起风机设备运行状态时发生改变的一些因素，进而对关键系统的运行状态进行判断。
通过对运行状态的判断，能够及时作出处理，有效提高风机设备的运行可靠性。
有利于避免因为故障造成的设备损坏等故障。
对提高工业制造的整体水平以及电厂的发展具有重要的意义。
一、电厂风机设备常见故障分析（一）齿轮箱故障分析齿轮箱在风机的机舱内部，链接着发电机和浆液主轴，齿轮箱的作用是能够在风速比较低的情况下能够提高风轮的旋转，对主轴增速，有效提高转子的转速，齿轮箱的主要部分就是箱体，具有支撑的作用。
可以进行设备的传动。
齿轮箱在不断变化的工作环境以及负载运行下会出现一些故障，而齿轮箱最常见的故障有两种，一个是齿轮故障，一个是轴承故障。
轴承是变速箱的核心部件，在出现故障的时候就会低变速箱造成损坏。
比较常见的故障主要有断齿，齿面疲劳以及胶合等，比较常见的轴承故障主要有磨损，点蚀，裂纹以及表面剥落等故障。
（二）发电机轴承故障分析发电机轴承能够保障发电机和齿轮箱的安全，受到风机设备的工作环境和所承载负荷特点，就会导致风机设备在自身运行的过程中会出现很多发电机轴承故障，例如，疲劳剥削，磨损，胶合等[1]。
轴承运转的过程中，如果滚道和滚动体之间有异物，那么就会引起滚体和内外圈之间原有的摩擦增强，如果轴承润滑不良，那么产生的摩擦就会比较剧烈，从而导致更加严重的磨损。
（三）风轮故障分析风轮是由叶片和轮毂组成的，利用空气动力的原理，同时也是捕获风能的核心部件，叶片组需要固定在轮毂转轴上，风轮能够通过选装产生力矩，之后传递到传动轴上，风轮内部还需要安装用于变桨相关的机械设备以及相应的电气设备。
基于综合优化方法的风力发电机故障诊断
基于综合优化方法的风力发电机故障诊断摘要：近年来,随着世界经济能源危机和我国环境污染问题的日益严重,作为一种可持续发展能源的风能，已经日益受到来自世界各国的高度重视，我国风电设备行业在本国政府的大力引导支持下也迅速蓬勃发展。
风力发电行业新增机组装机容量再创新高,连续四年稳居世界第一,在推进能源产业结构不断优化和发展绿色能源发展经济转型中逐步发挥了重要推动作用。
在我国风电机设备行业迅猛发展的背景同时,风电机组高额的维护运行费及维护管理成本很大一定程度上直接影响了的社会经济发展效应。
风电机的日常运行工作环境恶劣、工况条件复杂多变,风电传动机组内部风力传动的零部件很容易随时发生重大故障,但是采用传统的风机人工手动更换或者维修部件方式往往成本高昂,降低了利用风场的社会经济效益。
因此,关于新型风力发电新型机组故障综合诊断与机组状态综合监测的优化方法技术研究进展意义重大，本文将深入讨论基于故障综合优化方法的新型风力发电及机组故障状态诊断。
关键词：风力发电机；故障诊断；综合优化方法风力发电机系统作为利用风电动力机组中直接驱动风电能量转换的关键部件,其整体运行性能稳定性直接地会影响风力机组的风电整体运行性能。
在目前影响风力发电机正常运行的诸多重要因素中,振动因素占据很大量的比例。
当振动发电机发生振动强度过大时,轻则的就可能会出现电机运行环境稳定性大幅降低、电机使用寿命大幅缩短等不良电机运行环境状态；而严重则将可能发生汽车电机振动飞车、主轴套管断裂等恶性事故。
因此及时进行诊断并找出发动变电机组的故障原因是非常必要的。
提高对大型风力涡轮发电机安全故障的实时诊断的技术准确性,就要利于使用一种综合的最优化的诊断算法。
利用一种单子波频带重构技术来重新改进传统小波信号变换的方法,重新对风力发电机的各个信号来源进行分解,这样我们能够准确地快速提取各个特征区的信息。
通过对故障信息的一系列分析操作和数据分析,能够对大型风力发电机的主要故障原因进行准确诊断。
风力发电机组振动状态监测与故障诊断
风力发电机组振动状态监测与故障诊断摘要：风力发电机能否正常投入使用，影响着风力发电的整体质量，而风机故障会导致机组本身受到损坏严重的情况下，可能会造成更加不可预料的后果，而从风力发电机所使用的环境以及自身结构等角度出发，其设备在实际应用过程中容易受到外界环境的影响，造成风力发电机组非正常停运。
为保证风力发电机组能够正常地运行，需要进行振动状态监测和故障诊断工作。
而从现阶段风力发电机组实际应用情况来看，多数地区在风力发电机运行2500h或者5000h后，会进行例行维修，而这种维修间隔周期较长，如设备受损情况严重，则难以在检修工作中得到有效解决。
在这种情况下，需要重视在线监测和故障诊断系统的设计，以保证风力发电机在实际运行过程中处于一种可控状态，辅助相关人员及时发现风力发电机在实际运用过程中存在的隐藏缺陷，提升风力发电机的应用质量与效率。
关键词：风力发电；发电机组；振动监测；故障排除引言近年来，随着工业的发展，环境污染日益严重，新能源风力发电在各行业领域应用日益广泛。
一般风力发电场多建于偏远地区，地处环境恶劣，无法应用有效监测技术解决风力发电机组各种故障与信号不统一等问题。
因此，基于风力发电机不同监测数据，全面分析风力发电机组运行时遇到的故障，深入研究风力发电机组监测与故障技术具有非常重要的意义。
1风力发电机组状态监测和故障诊断的意义风力发电能够缓解国内能源供应紧张的局面，改善能源结构，对于国家环境保护和电力工业的可持续发展具有重大意义。
随着国内风力发电行业的快速发展，风力发电机组故障已成为一个不可忽视的问题。
通过对风力发电机组的运行状态进行实时监测，能够及时发现机组运行过程中存在的故障隐患；通过提取机组故障信息并进行分析处理，能够帮助运维人员诊断机组故障发生的原因并制定有效的处理措施。
这对于提高风力发电机组运行可靠性，促进风力发电行业健康发展具有重大的现实意义。
2风力发电机组振动故障诊断分析从风力发电机组故障诊断实际情况来看，在时代不断发展的同时，其诊断方法也在不断地进行改进与优化，诊断结果的准确性也呈现逐年上升趋势。
风机叶片流固耦合特性分析与故障诊断
风机叶片流固耦合特性分析与故障诊断一、内容综述风机叶片作为风力发电机中的关键部件，其流固耦合问题一直以来都是研究的热点。
在风能转换过程中，风机叶片不仅要承受气动载荷，还要传递由气流引起的动态力矩，这些力的相互作用导致叶片承受弯曲、扭转、疲劳等多种交变应力，从而引发材料疲劳损坏、结构变形与破坏等问题。
随着风力发电技术的飞速发展，对风机叶片的性能要求也日益提高。
风机叶片在复杂的海洋环境条件下运行，所面临的气动载荷和流固耦合问题更加严重。
在风力发电机的设计、制造和使用维护过程中，对风机叶片的流固耦合特性的深入分析和故障诊断显得尤为重要。
关于风机叶片流固耦合特性的研究成果多集中在叶片的模态分析、振动响应、气弹稳定性等方面。
通过采用先进的计算方法，如有限元法、计算流体动力学（CFD）法等，可以对风机叶片进行精确的结构分析和气动性能预测，为叶片的设计提供理论支持。
现有的研究仍存在一定的局限性。
现有模型多为线性或非线性静态模型，难以模拟风机叶片在实际运行中的流固耦合动态过程。
对于复杂海洋环境条件下的风机叶片流固耦合特性，目前的研究尚不够充分，需要进一步深入探索。
1. 风机叶片在风力发电中的重要性在风力发电系统中，风机叶片扮演着至关重要的角色。
随着全球对可再生能源的不断追求和环境保护意识的逐渐加强，风力发电作为一种清洁、可持续的能源形式，已经成为电力行业的重要组成部分。
风机叶片作为风力发电机的核心部件之一，其性能直接影响到整个风机的运行效率、稳定性和可靠性。
风机叶片的设计直接影响风机的捕获效率。
优秀的叶片设计能够最大限度地捕捉风能，将风能转换为机械能，进而转换为电能。
这不仅提高风机的整体发电效率，还有助于降低能耗，实现节能减排的目标。
风机叶片的长度、材料和结构直接关系到风力发电机的运行寿命。
高性能的叶片能够承受极端的气候条件，如强风、暴雨和雪载等，确保风力发电机在各种环境下都能稳定运行。
叶片材料的选择也至关重要，需要考虑其强度、耐久性和耐腐蚀性等因素，以保证叶片在长期使用过程中的安全和稳定。
风力发电系统中的风速预测与功率优化研究
风力发电系统中的风速预测与功率优化研究引言：风力发电作为一种清洁、可再生的能源，具有巨大的潜力和发展前景。
然而，由于风力资源的不稳定性和不可预测性，如何准确预测风速、优化风力发电系统的功率成为研究的核心问题之一。
本文将从风速预测和功率优化两个方面，探讨风力发电系统中的相关研究内容。
一、风速预测研究1. 风速预测方法的分类：风速预测方法可以分为物理模型和统计模型两种。
物理模型基于风场的动力学原理，通过数值计算方法预测风速，如CFD（Computational Fluid Dynamics）方法。
统计模型则利用历史风速数据或实测数据构建预测模型，如ARIMA（Autoregressive Integrated Moving Average）模型和SARIMA（Seasonal Autoregressive Integrated Moving Average）模型。
2. 风速预测方法的优缺点：物理模型可以较为准确地描述风场的物理过程，但由于计算复杂度较高，适用性和实时性较差。
统计模型具有运算速度快、适用性广的优点，但对于非稳态或非线性风速序列预测效果较差。
3. 基于机器学习的风速预测方法：随着人工智能和机器学习的快速发展，越来越多的研究开始探索基于机器学习算法的风速预测方法。
常用的机器学习算法包括神经网络、支持向量机（SVM）和随机森林等，这些方法通过学习历史数据的模式，预测未来的风速。
4. 多源数据融合的风速预测方法：除了利用历史风速数据进行预测，还可以考虑融合其他数据源的信息，如气象数据、地理信息等。
通过结合多种信息源，可以提高风速预测的准确性和可靠性。
二、功率优化研究1. 基础功率优化策略：基础功率优化策略主要通过调整风力发电机的叶片角度、发电机转速等参数，使得风力发电机在不同风速条件下能够实现最大功率输出。
2. 基于遗传算法的功率优化策略：遗传算法是一种模拟自然进化过程的优化算法，在风力发电系统中的功率优化中得到了广泛应用。
风力发电机组发电性能分析与优化
风力发电机组发电性能分析与优化摘要：作为一种新能源，风力发电正在不断的改善环境，其在全球经济和社会发展中的作用是不可估量的。
我国的风力发电已经取得了一些成就，但仍然面临着许多挑战，所以针对发电能力相对较低的机组，急需找到优化其发电能力的方法，本文通过对风力发电机组发电能力的分析，从硬件和软件两个方面排查影响风机发电能力的原因，研究提升风力发电机发电能力的方法。
关键词：风力发电机组；发电性能；优化1风力发电系统组成第一种常见的风力发电机是恒速恒频感应风力发电机，由这种风力发电机构成的风力发电机系统结构，按照从前端到后端的顺序，分别为风轮为主的风力机、齿轮箱、异步发电机、三相并联电容器。
采用定桨距失速调节时，风力发电机输出电压的频率为恒定频率，感应风力发电机会向电网同时吸收有功功率和无功功率。
为解决这一问题，通常采用机组电容器相并联的方法，使整个电网的功率得到改善。
风能的不确定性会导致恒速恒频发电系统的风能利用不足。
第二种双馈异步风力发电机组的结构形式。
绕线式三相异步发电机中的双馈异步发电机，属于目前变速恒频风力发电机的主流机型之一。
定子绕组直接连接到交流电网中，转子绕组机构与变频器直接相连，变频器控制电动机。
双馈异步风力发电机采用双向变流器控制转度，结构较为完整，可实现连续变速运行，风能转换速度高，电能质量好；可以改善对风轮机叶片的机械应力：双馈电机直接连接到电网。
电力电子换流器控制发电机的转子电流和电磁转矩，并且当风速发生变化时，风轮主轴转子转速也随之发生改变，最大可能地捕捉和利用风能，从而提高了能源利用率。
第三种直驱式同步风力发电机组。
同步电动机励磁机组可以使用直流或永磁励磁。
由于转子磁极对的数量众多，电动机的外形尺寸又大又笨重，操作和起吊不方便，价格高昂。
在直流励磁模式的同步电机中，励磁电流决定转子速度，从而控制电磁转矩以捕获最大的风能。
直流励磁的同步电动机，能够降低励磁损耗；永磁同步电动机会产生消磁现象。
风力发电机组的性能优化研究
风力发电机组的性能优化研究一、引言随着气候变化和环境保护意识的增强，可再生能源逐渐成为人们选择能源的首选。
其中，风能作为一种清洁、无限的资源备受关注，风力发电机组以其独特的优势逐渐在能源市场站稳了脚跟。
但是，目前风力发电机组的发展依然面临着瓶颈，如何进一步提高风力发电机组的性能，已成为一个研究热点和难点。
二、风力发电机的性能参数1. 平均风速平均风速是指一个地区在一定时间内（通常为30年）风速的平均值。
这是风力发电机组性能评估的一个重要参数，也是风力发电机组的设计选择的重要依据。
2. 风速频率分布风速频率分布是对风能利用的评价标准之一，常采用威布尔分布、雷诺分布等对其进行分析。
3. 发电量和电力效率发电量和电力效率是衡量风力发电机组性能的主要指标，也是风力发电机组设计的核心。
4. 启动风速启动风速是指风力发电机组开始产电的最小风速。
5. 切风速切风速是指高于该风速时，风力发电机组需要进行紧急刹停，以保证发电机组正常运行的最大风速。
三、风力发电机组的性能优化方法1. 风轮设计优化风轮作为风力发电机组的核心部件，其设计对性能的影响极大。
通过优化风轮的形状、材料等参数，可以有效提高风力发电机组的转速与发电量。
2. 动态控制技术动态控制技术主要包括变桨调节、叶片角度等。
通过使用这些技术，可以根据不同的风速和转速，及时调整风力发电机组的转速和输出电流，以达到最佳发电状态。
3. 建立优化模型建立基于模拟和优化算法的优化模型，通过对发电机组的每个细节进行优化，可以全面提高风力发电机组的性能。
4. 智能控制技术智能控制技术可以通过对各种传感器和控制系统的整合，实现对风力发电机组的智能控制。
这种技术可以根据不同的气象条件和实时测量数据，用最小的成本和最高的效率来控制发电机组的运行。
四、风力发电机组的未来研究方向1. 大型化、多功能化风电设备未来风力发电机组将越来越趋向于大型化、多功能化，包括提高风轮直径、增加叶片数、控制系统智能化等。
风力发电机状态监测和故障诊断技术的研究
风力发电机状态监测和故障诊断技术的研究摘要：近几年，我国工业的迅速发展，对环境造成的污染越来越大，新能源风电已被越来越多的行业所采用。
风电厂大多建在边远的地方，由于地理条件较差，很难采用有效的监控技术来解决风电机组的各种故障和信号不协调的问题。
所以，根据不同的风电机组的监测资料，对风电机组在运行过程中出现的各种故障进行全面的分析，对风电机组的监测和故障技术进行深入的研究，就显得尤为重要。
关键词：风力发电机；状态监测；故障诊断1风力发电机组概述1.1风力发电机组它是指通过风机将风力和电力转化为电能，通过电磁感应的方式进行调压，将电能传输到电网和用户中心。
经过几年的发展，我国风电机组的建设日趋成熟，对常规恒速、频率的机组进行了改造，采用了新的技术和设备，不断地进行改造和完善。
变速恒频技术是一项动态调节风机叶轮速度、调节风速和变流技术的新型技术。
由于采用变频调速技术能保证风电的品质，因此目前国内风电并网系统中已得到了广泛的应用。
1.2发电机组故障特点风电场通常位于山区、边远山区，由于自然环境恶劣、风速变化大、外部载荷不稳定等原因，容易导致风机的内部元件发生故障。
常见的机组故障包括变速箱、发电机和变频器。
例如，风机的局部故障是由于轴承过热、运行振动过大、本身温度过高等原因造成的。
经过多年的研究，发现轴承磨损、定子绕组的绝缘和转子的动平衡都是造成这种情况的原因。
所以，应采取有效的方法，对各种故障和零件进行监控，并对其进行故障诊断。
1.3发电机组故障诊断相关理论在风电机组的运转中，双馈发电机由叶轮、齿轮箱、发电机、变流和控制系统组成。
采用多级齿轮叶轮机构能将发电机的机械能转化成电能，使发电机的定子绕组与电网、转子绕组及变流器有效地联结在一起，并通过变频器调整发电系统的频率、相位和振幅。
采用逆变器控制发电机，保证了亚同步和超同步的运行。
在超同步条件下，电力由转子和定子发电机提供，而变流器将直流侧的电能回馈给电网；在亚同步过程中，转子会吸收电能，维持发电机的发电，再通过定子向电网供电。
风力发电机设计和性能优化
风力发电机设计和性能优化摘要：本文旨在探讨风力发电机的设计原理和性能优化方法。
首先介绍了风力发电机的工作原理和基本组成部分，然后详细分析了影响风力发电机性能的关键因素，并提出了优化设计方法。
最后，通过数值模拟和实例分析，验证了该方法的有效性。
1. 引言随着能源需求的不断增长和环境问题的加剧，清洁能源的研究和利用逐渐受到全球关注。
风力发电作为一种可再生资源的重要来源，具有巨大的潜力。
因此，风力发电机的设计和性能优化成为了一个热门话题。
2. 风力发电机的工作原理和基本组成部分风力发电机通过利用风的动力来转动风轮，进而驱动发电机工作。
其基本组成部分包括风轮、转轴、发电机和控制系统。
2.1 风轮风轮是风力发电机的核心部件，其作用是将风的动能转化为机械能，进而带动转轴和发电机运转。
常见的风轮有水平轴风轮和垂直轴风轮两种类型，每种类型都有其适用的环境和优点。
2.2 转轴转轴连接风轮和发电机，承受风轮的旋转力矩和发电机的输出功率。
转轴的材料和结构设计直接影响风力发电机的性能和寿命。
2.3 发电机发电机是将机械能转化为电能的关键部件。
常用的发电机类型有永磁同步发电机和感应发电机，根据具体需求选用适当的发电机类型。
2.4 控制系统控制系统用于监测风力发电机的运行状态和性能，并根据需要进行调节，以提高发电效率和保护设备。
控制系统包括风速监测模块、转速控制模块和故障诊断模块等。
3. 影响风力发电机性能的关键因素风力发电机的性能受多个因素影响，包括风能资源、风轮和转轴设计、发电机类型和控制策略等。
3.1 风能资源风能资源是风力发电机的动力来源，其分布和强度对发电机的输出能力有直接影响。
因此，在选择风力发电机位置时，需要充分考虑当地的风能资源和地形条件。
3.2 风轮和转轴设计风轮和转轴的设计直接决定了发电机的转速和输出功率。
合理的风轮和转轴设计可以提高发电机的转化效率，降低振动噪声，延长设备寿命。
3.3 发电机类型不同类型的发电机有着不同的特点和适应环境。
风力发电机的智能控制算法研究
风力发电机的智能控制算法研究Download tips: This document is carefully compiled by this editor. I hope that after you download it, it can help you solve practical problems. The document can be customized and modified after downloading, please adjust and use it according to actual needs, thank you! In addition, this shop provides you with various types of practical materials, such as educational essays, diary appreciation, sentence excerpts, ancient poems, classic articles, topic composition, work summary, word parsing, copy excerpts, other materials and so on, want to know different data formats and writing methods, please pay attention!一、引言风力发电机是利用风能转换为电能的设备，在当今世界正逐渐发展为主要的清洁能源之一。
随着技术的不断进步，风力发电机的性能和效率也在逐渐提升。
然而，在实际运行中，风力发电机面临着诸多挑战，如风速变化、风向变化、功率波动等问题，这些问题导致了发电效率的降低。
研究风力发电机的智能控制算法，提高其自适应性和稳定性，对风力发电行业的发展至关重要。
二、现状分析1. 风力发电机现状目前，全球风力发电技术已经取得了长足的发展，风力发电机的规模也在不断扩大。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
的综合优化算法 。利用单子带重构改进小波变换方法对风力发电机的定子电流信号进行 分解与重构 ， 提取准确 的 特征量 ； 通过遗传算法 的选择 、 交叉 、 变异等操作和全局寻优特性获取稳定的权值和阈值 ， 赋值于 Ｂ Ｐ网络作 为初始 值； 借助 Ｂ Ｐ网络 的 自学 习、 寻优具有精确性 等特性不 断训 练网络 ； 最后 以 Ｂ Ｐ神经网络 的非线性 映射 能力 完成对风 力发 电机的故障诊断 。算法对 比和实例分析表明 ， 该算法对风力发 电机 的故障诊断有 良好的实用性 。 关键词 ： 风力发电机 ； Ｂ Ｐ神经网络 ； 遗传算法 ； 故 障诊断 ； 单子带重构 ； 小波变换
ｃ ｒ ｏ ｓ ｓ ｏ ｖ ｅ ｒ ， ｍｕ ｔ ａ ｔ ｉ ｏ ｎ ｏ ｐ ｅ ｒ ａ ｔ ｏ ｒ ａ ｎ ｄ ｔ ｈ ｅ ｇ ｌ ｏ ｂ ａ ｌ ｏ ｐ ｔ ｉ ｍｕ ｍ ｃ ａ ｐ ａ ｂ ｉ ｌ ｉ ｔ ｙ ｏ ｆ ＧＡ． Ｔ ｈ ｅ ｎ ｅ ｕ ｒ ｌ ａ ｎ ｅ ｔ ｗ ｏ ｒ ｋ ｗａ ｓ ｔ ｒ ａ ｉ ｎ ｉ ｎ ｇ ｒ ｅ ｐ ｅ ａ ｔ ｅ ｄ ｌ ｙ ｗ ｉ ｔ ｈ ｔ ｈ ｅ
中 图分 类 号 ： Ｔ Ｍ３ １ ５ 文献标识码 ： Ａ 文章编号 ： １ ０ ０ ４ － ７ ０ １ ８ （ ２ ０ １ ３ ） ０ ５ － ０ ０ ０ ｅ ｇ ｒ ａ ｔ ｅ ｄ Ｏｐｔ ｉ ｍｉ ｚ ａ ｔ ｉ ｏ ｎ Ｍｅ ｔ ｈｏ ｄ Ａｐｐ ｌ ｉ ｅ ｄ ｉ ｎ Ｆａ ｕｌ ｔ Ｄｉ ａ ｇ ｎｏ ｓ ｉ ｓ ｏ ｆ Ｗｉ ｎ ｄ Ｔｕ ｒ ｂ ｉ ｎｅ ｓ
玛 研
： 一 … ｅ … … … … … … … … … … … … … … … … … … … … … … …
…
触 － 牡电棚 ＂ ￣ １ ２ ０ １ ３ 年 第４ １ 卷 第５ 期 ＝… … … … … 一 二 … … … … … …
… …
风 力发 电机 故 障诊 断 的优 化 算 法 研 究
ｆ ａ ｕ ｌ ｔ ｄ ｉ ａ ｇ ｎ ｏ ｓ ｉ ｓ ｉ ｎ ｗｉ ｎ ｄ ｔ ｕ ｒ ｂ ｉ ｎ ｅ ｓ ｗｉ ｔ ｈ ｔ ｈ ｅ ｗ ａ ｖ ｅ ｌ ｅ ｔ ｔ ｒ ａ ｎ ｓ ｆ ｏ ｒ ｍ． Ｗｉ ｔ ｈ ｔ ｈ ｅ ｗ ａ ｖ ｅ ｌ ｅ ｔ ｔ ｒ ａ ｎ ｓ ｆ ｏ ｍ ｒ ｉ ｍｐ ｒ ｏ ｖ ｅ ｄ ｂ ｙ ｓ ｉ ｎ ｇ ｌ ｅ ｓ ｕ ｂ — ｂ ａ ｎ ｄ ｒ ｅ ｃ ｏ ｎ —
２． Ｏｖ ｅ ｒ ｈ ａ ｕ ｌ Ｄｅ ｐａ ｒ ｔ ｍｅ ｎ ｔ ｏ ｆ Ｈｅ ｎ ａ ｎ Ｇｒ ｉ ｄ Ｃｏ ｍｐａ ｎ ｙ， Ｚｈ ｅ ｎ ｇ ｚ ｈ ｏ ｕ ４ ５ ０ ０５ ２， Ｃｈ ｉ ｎ ａ；
３ ． Ｓ ｏ ｕ ｔ ｈ Ｃ ｈ ｉ ｎ ａ Ｕ ｎ ｉ ｖ ｅ ｒ ｓ ｉ ｔ ｙ ｏ ｆ Ｔ ｅ ｃ ｈ ｎ ｏ ｌ ｏ ｙ， ｇ Ｇ ｕ ａ ｎ ｇ ｚ ｈ ｏ ｕ ５ １ ０ ６ ４ １ ， Ｃ ｈ ｉ ｎ ａ）
吴建军 ，杨俊 华 ，杨梦丽 ，曾 君。 ，杨金 明
（ １ ． 广 东工业大学 ， 广东广州 ５ １ ０ ０ ０ ６ ； ２ ．河南省 电力公司检修公司 ， 河南郑州 ４ ５ ０ ０ ５ ２ ； ３ ． 华 南理工大学 ， 广东广州 ５ １ ０ ６ ４ １ ） 摘 要： 为提高风力发电机故 障诊 断的可靠性 ， 结合小波变换 ， 提 出一种遗 传算法优化 Ｂ Ｐ神经 网络 （ Ｇ Ａ — Ｂ Ｐ ）
ｓ ｔ ｒ ｕｃ ｔ ｉ ｏ ｎ， ｔ ｈｅ ｓ ｉ ｇ ｎａ ｌ ｓ ｏ ｆ ｔ ｈｅ ｓ ｔ ａ ｔ ｏ ｒ ｃ ｕ ｒ ｒ ｅ ｎ ｔ ｏ ｆ ｔ ｈ ｅ ｗｉ ｎｄ ｇ ｅ ｎ ｅ ｒ ａ ｔ ｏ ｒ ｗｅ ｒ ｅ ｒ ｅ ｓ ｏ ｌ ｖ ｅ ｄ ａ ｎｄ ｒ ｅ ｃ ｏ ｎ ｓ ｔ ｒ ｕ ｃ ｔ ｅ ｄ ｔ ｏ ｅ ｘ ｔ ｒ ａ ｃ ｔ ｔ ｈ ｅ ｐ ｒ ｅ ｃ ｉ ｓ ｅ ｃ ｈａ ｒ ａ ｃ —
Ａ ｂ ｓ ｔ ｒ ａ ｃ ｔ ： Ａ ｓ ｏ ｒ ｔ ｏ ｆ ｔ ｈ ｅ ｇ ｅ ｎ ｅ ｔ ｉ ｃ ａ ｌ ｇ ｏ ｉ ｒ ｔ ｈ ｍ Ｂ Ｐ （ Ｇ Ａ － Ｂ Ｐ ）ｎ ｅ ｕ ｒ ａ ｌ ｎ ｅ ｔ ｗ ｏ ｒ ｋ ｍｅ ｔ ｈ ｏ ｄ ｗ ａ ｓ ｐ ｕ ｔ ｔ ｏ ｈ ｅ ｉ ｇ ｈ ｔ ｅ ｎ ｔ ｈ ｅ ｒ ｅ ｌ ｉ ａ ｂ ｉ ｌ ｉ ｔ ｙ ｏ ｆ
ｔ ｅ ｒ ｉ ｓ ｔ ｉ ｃ ｑ ｕ ａ ｎ ｔ ｉ ｔ ｙ ． Ｔ ｈ ｅ ｓ ｔ ａ ｂ ｌ ｅ ｗｅ ｉ ｇ ｈ ｔ ａ ｎ ｄ ｔ ｈ ｒ ｅ ｓ ｈ ｏ ｌ ｄ ｗ ｅ ｒ ｅ ｓ ｅ ｌ ｅ ｃ ｔ ｅ ｄ ａ ｓ ｔ ｈ ｅ ｉ ｎ ｉ ｔ ｉ ａ ｌ ｖ ａ ｌ ｕ ｅ ｏ ｆ Ｂ Ｐ ｎ ｅ ｕ ｒ ａ ｌ ｎ ｅ ｔ ｗｏ ｒ ｋ ｂ ｙ ｔ ｈ ｅ ｓ ｅ ｌ ｅ ｃ ｔ ｉ ｏ ｎ，
ＷＵ Ｊ ｉ ａ ｎ － ｊ ｕ ｎ ， Ｙ Ａ Ｎ Ｇ Ｊ ｕ ｎ — ｈ ｕ ａ ， Ｙ Ａ Ｎ Ｇ Ｍｅ ｎ ｇ — ｌ ｉ ， Ｚ Ｅ Ｎ Ｇ Ｊ ｕ ｎ 。 ， Ｙ Ａ Ｎ Ｇ Ｊ ｉ ｎ — ｕｉ ｒ ｎ ｇ 。 （１ ． Ｇ ｕ ａ ｎ ｇ ｄ ｏ ｎ ｇ Ｕ ｎ ｉ ｖ ｅ ｒ ｓ ｉ ｔ ｙ ｏ ｆ Ｔ ｅ ｃ ｈ ｎ ｏ ｌ ｏ ｇ ｙ ， Ｇ ｕ ａ ｎ ｇ ｚ ｈ ｏ ｕ ５ １ ０ ０ ０ ６ ， Ｃ ｈ ｉ ｎ ａ ；