基于功率曲线分析与神经网络的风电机组故障预警方法

• 作者: 乔福宇 马永光 马良玉
• 来源期刊: 中国测试
• 学科: 工学
• 关键词: 风电机组 故障预警 神经网络 状态识别 功率曲线
• 年，卷（期）: 2020,（8）
• 所属期刊栏目: 物理测试
• 页码范围: 44-50
• 页数: 7页
• 分类号: TH17
• 字数: 5577字
• 语种: 中文
• DOI: 10.11857/j.issn.1674-5124.2020050137

摘要

为尽早发现风电机组早期故障,减少风电场的运维成本,提出一种基于功率曲线分析与神经网络的故障预警方法.首先,依据功率特性曲线,使用最小二乘与离散度分析结合的算法对SCADA数据进行筛选,以保留符合机组正常工况的数据作为建模的训练数据,从而提高模型的精度.然后,使用随机森林算法筛选模型的输入参数以简化模型结构,并通过对比隐含层的数目建立风电机组的神经网络模型.最后,结合滑动窗口模型,提出一种能反映机组实时运行状态的指标,并通过非参数估计法确定该指标的阈值,以实现状态预警及在线监测.该方法充分利用SCADA数据,且不需要对风电机组复杂的物理特性进行分析.将该方法分别用于某风电场的变桨系统和偏航系统的故障预警,实验结果是分别提前18.5 h和28.4 h出现预警信号,进一步证明方法的有效性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	马永光	华北电力大学自动化系	101	1075	19.0	27.0
2	马良玉	华北电力大学自动化系	83	1254	20.0	31.0
3	乔福宇	华北电力大学自动化系	1	0	0.0	0.0