位置:成果数据库 > 期刊 > 期刊详情页
基于小波分析的风电机组故障信息提取
  • ISSN号:1006-7167
  • 期刊名称:《实验室研究与探索》
  • 时间:0
  • 分类:TP391[自动化与计算机技术—计算机应用技术;自动化与计算机技术—计算机科学与技术]
  • 作者机构:[1]新疆大学电气工程学院, [2]可再生能源发电与并网技术教育部工程研究中心,新疆乌鲁木齐830047
  • 相关基金:国家自然科学基金(51267017),自治区高校科研计划项目(XJEDU 2014 S007),新疆大学自然科学基金(XY110129)
中文摘要:

针对风力发电机组在运行工况下故障预诊断难以实现的问题,提出了基于小波分析的故障信息提取方法.机组故障运行时其声音品质特性将发生变化,由此对风电机组进行声发射实验,对噪音信号进行测量,利用小波分析法从中提取故障信息,对机组实施故障预处理和保护措施.经过对现场信号的测量、分析与仿真实验,表明该方法较简单易行,可有效提取故障信息,对工程实践有应用价值.

英文摘要:

In view of the difficult problem of diagnosing fault in the running wind power generation system,a fault information extraction method based on wavelet analysis is put forward.When wind turbines are running with fault,their voice quality characteristics will change.It will make the acoustic emission experiment.So we present to analyze measured noise signal by wavelet analysis method,extract the fault information.Further,fault pretreatment and protection measures can be made.Though measured signal on wind farm,analyzing and simulating results show that the method is simple and effectively to extract the fault information.It has a great application value for the engineering practice.

同期刊论文项目
同项目期刊论文
期刊信息
  • 《实验室研究与探索》
  • 北大核心期刊(2011版)
  • 主管单位:教育部
  • 主办单位:上海交通大学
  • 主编:夏有为
  • 地址:上海市市南区华山路1954号交教学三楼456、457
  • 邮编:200030
  • 邮箱:sysycp@163.com sysy@mail.sjtu.edu.cn
  • 电话:021-62932952 62932875
  • 国际标准刊号:ISSN:1006-7167
  • 国内统一刊号:ISSN:31-1707/T
  • 邮发代号:4-834
  • 获奖情况:
  • 国家科技部中国科技论文统计源期刊
  • 国内外数据库收录:
  • 美国化学文摘(网络版),美国乌利希期刊指南,中国中国科技核心期刊,中国北大核心期刊(2008版),中国北大核心期刊(2011版),中国北大核心期刊(2014版)
  • 被引量:53638