基于PSO-SVR和SPC的风电机组齿轮箱故障预警研究

• 作者: 孙建平 陈园艺
• 来源期刊: 电力科学与工程
• 学科: 工学
• 关键词: 齿轮箱 支持向量回归 粒子群 统计过程控制 故障预测
• 年，卷（期）: 2016,（5）
• 页码范围: 43-48
• 页数: 6页
• 分类号: TM83
• 字数: 4257字
• 语种: 中文
• DOI: 10.3969/j.issn.1672-0792.2016.05.008

摘要

齿轮箱是风电机组的主要部件之一,主要功能是将风轮在风力作用下所产生的动力传递给发电机并使其得到相应的转速.由于风电机组的运行条件恶劣,复杂的工况要求齿轮箱具有极高的可靠性,齿轮箱故障率较高.为了减少风电齿轮箱严重故障的发生,利用基于粒子群(PSO)的支持向量回归方法(SVR)对风电机组齿轮箱进行预测建模,然后利用统计过程控制技术(SPC)对残差进行分析,根据中心极限定理设置残差预警阈值,当残差超出预警限之外时系统立即报警.实验证明,该方法对风电齿轮箱模型预测效果良好,可有效实现齿轮箱异常状态的预警.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	孙建平	华北电力大学控制与计算机工程学院	112	860	16.0	24.0
2	陈园艺	华北电力大学控制与计算机工程学院	2	16	2.0	2.0