基于大数据分析的风机叶片结冰故障诊断

• 作者: 张炜 张玉波 朱孟兆 焦健 黎楚阳
• 来源期刊: 自动化与仪器仪表
• 学科: 工学
• 关键词: 风机叶片结冰检测 大数据分析 特征量 支持向量机 遗传算法
• 年，卷（期）: 2020,（3）
• 所属期刊栏目: 设备运行状态分析
• 页码范围: 12-16
• 页数: 5页
• 分类号: TP206+.3
• 语种: 中文
• DOI: 10.14016/j.cnki.1001-9227.2020.03.012

摘要

为了实现风力发电机叶片结冰故障诊断,及时进行风机叶片除冰,消除隐患.提出了基于大数据分析的人工智能算法识别风机叶片结冰的方法.首先,用结冰机理研究和数据探索的方法对风机运行数据进行分析,初步提取了24个特征量;然后,采用遗传算法对24个特征量、滑动窗口宽度和支持向量机参数进行联合优化,并据此建立叶片结冰故障诊断模型.诊断结果表明,用该模型诊断叶片结冰故障的准确率为86.2％,比采用SCADA采集所有数据或初步提取的24个特征量作为模型输入的准确率有大幅度的提高;并且,将该模型用于另一个#2风机时,故障诊断准确率也达到了78.5％,证明了该方法的有效性,并具有较好的泛化能力,为识别风机叶片结冰故障提供了新思路.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	朱孟兆	国网山东省电力公司电力科学研究院	10	28	3.0	5.0
2	张炜	广西电网公司电力科学研究院	49	172	7.0	9.0
3	焦健	广西电网公司电力科学研究院	4	0	0.0	0.0
4	张玉波	广西电网公司电力科学研究院	28	33	4.0	4.0
5	黎楚阳	广西大学电气工程学院	3	0	0.0	0.0