近年来，风力发电及其技术发展迅速，由于工作环境的挑战，风力储能单元的故障率上升，故障诊断已成为重要的研究课题。文提出了一种基于风能储能单元典型故障分析的实验方法。
力发电是一种安全，清洁，成熟且具有成本效益的新型能源，近年来发展非常迅速。而，由于风能存储单元通常在低温，灰尘，风暴，冰和雪的困难条件下运行，因此它是有缺陷的甚至是损坏的，这不利于安全性。储单元的可靠性。时，风力涡轮机储能单元的异常疲劳运行和各种不确定因素，风力储能单元的故障频率增加，情况多种多样，从而使诊断风力涡轮机故障是不可避免的问题，它是对机械故障的诊断。还涉及对电源系统故障的诊断。过检测，监测，故障分析，性能评估等方法，及时，正确，有效地诊断风机存储单元的各种异常情况和故障，冷凝器价格制定必要的指导方针这些单元的运行和维护，并制定合理的控制和维护系统。
保冷库单元以最大的容量和最大的设计潜力运行，延长设备的使用寿命，并提高系统可靠性。据实际操作的结论和分类统计，风能冷库机组的缺陷类型可归纳为两类：电气故障和机械故障。中，电气故障包括传感器故障，低压设备故障，通信故障，转换器故障，步进故障等。械故障包括变速箱故障，回转支撑故障，轴承故障，机械制动故障，液压故障，冷凝器价格介质故障等。
多年来，国内外风能储能厂领域的许多专家一直在研究这些装置的故障，并对大量数据进行统计和分析。能冷库机组异常情况仍然存在缺陷。器组件故障的发生率一直保持着一些基本的规律性趋势。生率从上到下变化：液压系统（20％），传感器（11％），转子（10％），功率模块（9％），步进执行器模块（7％），发电机（7）。
％），变速箱（6％），制动系统（5％）和电子模块（5％）。以看出，液压系统，传感器，转子功率模块和变桨执行模块是重要的故障发生组件的一部分，并且对于故障监控系统以及进行操作和维护。对多年来的缺陷类型和不同风能冷库的数据进行统计分析的基础上，表1中列出了典型缺陷及其严重性。
上，一般采用根据设备的当前运行状态按照计划组织维修和进行维护的基本措施。正确解决上述故障的同时，监控和数据采集系统将存储故障数据的主要特征，识别类型并发出警报，并形成故障报告，以指导系统维护和维护。错操作取决于故障的严重性。于风能是一个有趣的新事物，其故障诊断技术引起了国内外研究者的关注，包括传统的故障诊断方法，模糊理论方法和可能性理论，方法。家系统和神经网络。于近似集理论的方法。而，由于风能蓄冷器的故障特性与故障类型之间的对应关系复杂，因此故障类型可以对应于多个特征信息，并且特征信息可以是多个特征信息。
应于几种类型的缺陷，以及缺陷的特征常常表现出各种不确定性，因此不可能获得准确，及时，有效的风能存储单元故障诊断。过特定的理论或方法获得的复杂环境。
前，基于信息融合的故障诊断方法因其新颖性，科学推理能力和准确的诊断能力而成为研究的重要方面。
而，当前故障诊断中的信息融合仍然是基础研究，因此在这方面需要进一步和深入的研究。证据的推理模型，神经网络和信息融合理论相结合以形成完整的故障诊断模式是研究的重点。障诊断信号来自不同类型的传感器，因此大多数特征故障信号是随机的，模糊的，不确定的等，分别对应于一种或多种类型的故障，并采用信息以及故障特征与缺陷的比率。位，建立一种能够统一测量上述不确定性信息，采取证据推理（例如DS证据推理），解决不确定性信息问题并利用各种特征的措施以不确定的故障为证据，合并并创建诊断决策：神经网络方法可用于设计容错控制器，并通过合并与故障诊断的决策结果相结合。息以决定采用容错控制。
糊推理，信息融合（DS证据推理）和神经网络相结合，可提供弥补单错误诊断方法的缺陷并改善系统故障诊断和效果的好处。错控制系统。
着风冷蓄冷器的不断发展，蓄冷器的故障诊断技术也在不断发展，各种诊断技术的融合和互补优势为诊断提供了正确有效的方向。陷。
过验证的诊断技术已应用于风冷存储设备中。
无疑将有利于风能行业的未来发展。
本文转载自
冷凝器价格 http://www.china-iceage.com