基于小波BP神经网络的风电机组变桨系统故障预测

• 作者: 孙介涛 宋玉彬 张磊 焦智 石莹 肖成
• 来源期刊: 可再生能源
• 学科: 工学
• 关键词: 风电机组 变桨系统 故障预测 BP神经网络 小波BP神经网络
• 年，卷（期）: 2017,（6）
• 页码范围: 893-899
• 页数: 7页
• 分类号: TK83
• 字数: 3926字
• 语种: 中文

摘要

变桨故障是风电机组重要的停机故障之一,对变桨系统进行故障预测并提高预测精度,是风电开发的关键技术,不但保证电网安全运行而且减少运维成本.分析处理SCADA系统数据,提取相关联参数,即输出功率、风速、桨距角和转子转速.采用BP神经网络对系统进行模型训练,考虑到风电机组参数具有波动性、不确定性等,同时采用小波BP神经网络进行模型训练.建立变桨故障预测模型,预测未来15 d的变桨系统运行情况,用于制定合理的运维方案.通过MATLAB系统仿真研究,对比分析了预测模型性能指标、误差指标和输出数据图形,小波BP神经网络训练预测模型诊断精度比BP神经网络提高了17%,可信率提高了18%,诊断能力提高了15.4%,诊断误报率降低了17%.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张磊	河北工业大学控制科学与工程学院	98	368	12.0	15.0
2	焦智	北华航天工业学院电子与控制工程学院	8	65	4.0	8.0
3	孙介涛	厦门大学自动化系	3	32	2.0	3.0
4	宋玉彬	北华航天工业学院电子与控制工程学院	3	40	3.0	3.0
5	肖成	河北工业大学控制科学与工程学院	10	76	5.0	8.0
9	石莹	北华航天工业学院电子与控制工程学院	1	29	1.0	1.0