潮流能发电系统智能预测维护方法研究

The tidal energy power system is a renewable energy system which may be operation in large scale. But the maintenance is very complex and with high cost and risk because of the generator is settled under the sea. In order to keep the safety and stability of the tidal energy power system, it is necessary to develop a more efficient maintenance scheme. Based on the understood of the characters of tidal energy power system, a systematic study on the intelligent predictive maintenance is proposed in this proposal. The main contents include the system architecture, fault forecast, predict maintenance policy and simulation and expriment system for the intelligent predictive maintenance. The monitor system and the optimal maintenance scheme are proposed in the maintenance architecture. The Rough-Fuzzy-Artificial neural network model for predictive maintenance will be proposed and be applied to identify the symptom of fault. The algorithm will be verified with the simulation and the experiments on the real 100kW tidal energy power system. The analysis& test system will also be developed. The research will be the theory and technical foundation for development of the tidal energy power device, the test bench and the large scale operation.

潮流能发电系统是一种很有希望实现规模化运行的可再生能源发电系统。但是由于机组布放在水下，其运行维护复杂、成本高、风险大。若实现规模化运行，必须要研究一种高效率的维护模式，以保障其安全稳定运行。本研究将在深入理解潮流能发电系统特点的基础上，对潮流能发电系统的智能预测性维护方法开展系统的研究，包括：潮流能发电机组预测性维护体系结构、故障预测、预测维护策略以及相应的仿真和试验系统开发。在体系结构方面研究包括监测体系和维护流程优化。在核心算法方面，针对发电机组结构、传动链、电能质量、数据采集系统的预测性维护需求，综合运用了粗糙集、模糊集以及神经元网络理论，设计粗糙-模糊-神经元网络预测维护模型，实现基于数据驱动的故障征兆提取与识别。结合100kW潮流能发电机组的实验数据，对理论方法进行验证，并开发相应的分析测试系统。本研究将为我国潮流能发电装备研发、试验场建设以及大规模运行提供理论和技术支撑。

潮流能发电系统是一种很有希望实现规模化运行的可再生能源发电系统。但是由于机组布放在水下，其运行维护复杂、成本高、风险大。若实现规模化运行，必须要研究一种高效率的维护模式，以保障其安全稳定运行。本研究将在深入理解潮流能发电系统特点的基础上，对潮流能发电系统的智能预测性维护方法开展系统的研究，包括：潮流能发电机组预测性维护体系结构、故障预测、预测维护策略以及相应的仿真和试验系统开发。.在维护体系结构方面，设计了包括离线学习和在线分析两个层面的维护体系。基于该体系，根据潮流能发电机组的研制的实际情况，围绕机械传动链、电力传输链、信息传输链、变桨控制、舱内环境、平台振动、海洋环境监测等方面进行了传感器部署和优化。结合潮流能发电机组的运行特性，开展故障诊断和预测性维护的研究。.在故障预测算法方面：基于键合图理论，建立了潮流能发电机组机电转换传输链的完整模型，对传动链故障进行了模拟和仿真，得到了便于实时应用的故障检测指标。基于针对潮流能发电机组水下密封安全问题，研究了基于神经元网络的渗漏故障检测方法，并应用于实际，在实验阶段及时发现了机组的微小的渗漏故障，避免了损失的扩大。针对维护体系中的数据降噪和预处理问题，建立了基于带乘性噪声的系统模型，并开展了滤波、估计和故障检测方面的基础研究。针对体系中从潮流能发电机组现场实验中的通信存在丢包和延迟的实际情况出发，研究了网络控制系统能够估计的基础问题。.在预测维护系统仿真和实验方面，研制了水下监控系统的半实物仿真平台，开发了相应的软件和硬件系统。并结合20kW潮流能发电机组的实验室测试、工厂测试和海上测试，验证了在线故障检测算法的有效性，取得了满意实际应用效果。.本项目建立了较为系统的潮流能发电机组预测性维护体系，结合实际应用需求开展了基础理论、应用技术和现场实验工作。发表论文12篇，受理发明专利3项。