传动链是风力发电机组的重要组成部分,实现从风能到电能的转换。由于其处于变载荷、重载荷和高摩擦的工作环境中,属于机组中故障高发地带,运行和维护成本比较高。温度信号作为传动链运行状态较为直接的物理监测量,能够反映机组传动部件的劣化信息。现有监测系统通过设定部件温度固定参考值,评估传动链状态,无法实时准确评估机组状态,导致传动链“带病运行”和“频繁停机”。针对这个问题,在研究传动链健康状态衰退趋势和故障形式的基础上,通过分析温度监测量与温度参考值之间的变化关系,获得三个量化指标报警阈值,实现对机组传动链运行状态的准确评估。具体研究内容如下:首先,从风电机组传动链的构成出发,研究传动链的工作原理,在对SCADA监测系统V-P、V-n数据清洗的基础上,获得机组正常运行状态下的监测数据,筛选出评价模型监测量,并通过相关系数的对比分析,选择工况划分参数。其次,综合考虑风电机组不同运行工况的影响,赋予不同影响因素权重,确定机组不同温度参数的动态参考值,建立各部件温度参考值与温度实测值之间的比较关系。在此基础之上,引入温度残差、残差和与温度波动性等量化指标,通过对风电机组传动链的温度场分析,建立传动链健康状态评估模型。最后,通过比较包括BP神经网络、径向基神经网络(RBF)、支持向量机(SVM)、灰色等维GM模型和时间序列(NARX)模型等对风速和各部件温度的预测精度,对比分析绝对平均误差、绝对平均百分比误差、均方根误差和均方根百分比误差等量化指标,选定风速参数的EEMD+GM预测模型以及针对各个部件温度参数的EEMD+NARX预测模型,获得预估数据,评估传动链的健康状态。