基于数据挖掘的风电机组变桨系统劣化状态在线辨识方法

• 作者: 夏明超 王玮 郭慧东
• 来源期刊: 中国电机工程学报
• 学科: 工学
• 关键词: 风力发电机组 变桨系统 状态辨识 支持向量机 高斯混合模型
• 年，卷（期）: 2016,（9）
• 所属期刊栏目: 可再生能源并网技术
• 页码范围: 2389-2397
• 页数: 9页
• 分类号: TM315
• 语种: 中文
• DOI: 10.13334/j.0258-8013.pcsee.2016.09.010

摘要

传统阈值法难以及时准确地辨识出运行设备的劣化状态,针对风力发电机组实施状态检修工作的要求,提出一种风机变桨系统劣化状态在线辨识方法.在阐述风机变桨控制原理和变桨系统监测参数的基础上,建立了以风速、有功功率为输入,风轮转速、3个叶片的桨距角和变桨驱动电流为输出的非线性多输入多输出(multi input multi output,MIMO)系统回归模型.将系统特征向量实测值与最小二乘支持向量机(least square support vector machines,LSSVM)回归计算结果间的偏离定义为系统"观测值".接着采用高斯混合模型(Gaussian mixture model,GMM)拟合多维观测值的分布,并利用风机数据采集与监控系统(supervisory control and data acquisition,SCADA)中的数据计算系统劣化指数,实现系统状态的在线辨识.最后,以一台发生过变桨轴承保持架和滚动体损坏故障的风机为对象,进行了实例验证,证明了所建模型的准确性和有效性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王玮		97	1551	19.0	37.0
2	夏明超		24	282	8.0	16.0
3	郭慧东		2	0	0.0	0.0