作為一種清潔高效的新能源，隨著裝機(jī)容量的不斷增長(zhǎng)，風(fēng)力發(fā)電也越來(lái)越突出。變速箱是風(fēng)力渦輪機(jī)的關(guān)鍵部件。

變速箱呼吸器

由于復(fù)雜的負(fù)載和特殊的工作環(huán)境，風(fēng)力發(fā)電機(jī)的停機(jī)時(shí)間很長(zhǎng)。因此，利用數(shù)據(jù)采集和監(jiān)控控制數(shù)據(jù)或狀態(tài)監(jiān)測(cè)信息分析來(lái)研究變速箱故障檢測(cè)，可以有效降低變速箱的維護(hù)成本，提高經(jīng)濟(jì)效益。

通常，當(dāng)風(fēng)力渦輪機(jī)齒輪箱處于早期故障階段時(shí)，由故障引起的沖擊分量較弱并且干擾環(huán)境噪聲，使得齒輪箱的早期故障特征難以提取。目前，故障檢測(cè)方法一般分為基于數(shù)據(jù)的研究方法和基于模型的分析方法?；谀Ｐ偷姆治龇椒ㄍǔ＝⒔M件的物理模型，并根據(jù)模型參數(shù)的變化檢測(cè)故障。

根據(jù)變速箱油溫和軸承溫度的實(shí)際值和估算值，采用統(tǒng)計(jì)過程控制方法分析溫度的殘余趨勢(shì)，檢測(cè)變速箱的異常狀態(tài)。利用存儲(chǔ)器批量處理技術(shù)和Storm實(shí)時(shí)流數(shù)據(jù)處理方法構(gòu)建風(fēng)力機(jī)在線預(yù)警和故障診斷模型，可以確定變速箱的故障。風(fēng)扇在運(yùn)行過程中產(chǎn)生的SCADA數(shù)據(jù)包含特定的規(guī)則和結(jié)構(gòu)，使得數(shù)據(jù)挖掘方法應(yīng)用于變速箱的故障研究中。分析風(fēng)扇的SCADA數(shù)據(jù)變量之間的相關(guān)性，以實(shí)現(xiàn)在不同操作條件下風(fēng)扇健康狀態(tài)的定量評(píng)估。風(fēng)力發(fā)電機(jī)SCADA數(shù)據(jù)和狀態(tài)監(jiān)測(cè)數(shù)據(jù)有很多變量，數(shù)據(jù)量大，類型復(fù)雜。深度學(xué)習(xí)方法可以深入學(xué)習(xí)數(shù)據(jù)固有的結(jié)構(gòu)特征，將學(xué)到的特征信息集成到模型構(gòu)建過程中，從而減少人工設(shè)計(jì)特征的不足和傳統(tǒng)特征提取帶來(lái)的復(fù)雜性。與傳統(tǒng)的故障診斷方法相比，深度學(xué)習(xí)算法克服了傳統(tǒng)方法對(duì)診斷經(jīng)驗(yàn)的依賴，缺乏大數(shù)據(jù)下的模型診斷能力和泛化能力。