基于机器学习的风电机组变桨系统故障研究

• 作者: 冯延晖 熊中杰 程强 邱颖宁
• 来源期刊: 太阳能学报
• 学科: 工学
• 关键词: 风电机组 故障诊断 主成分分析 核支持向量机 SCADA数据 变桨系统
• 年，卷（期）: 2020,（5）
• 页码范围: 85-90
• 页数: 6页
• 分类号: TM315
• 语种: 中文

摘要

针对变桨系统的齿形带断裂故障问题,首先通过分析变桨系统的工作原理,基于多维SCADA信号进行特征数据挖掘,再利用主成分分析法对数据进行预处理,并保留时序信息重构数组,最后利用高斯核支持向量机进行机器学习,实现对齿形带断裂故障的智能检测.结果 表明该方法可准确诊断齿形带断裂故障,并已通过多台风电机组监测数据进行验证,准确性可达到98.8％,证明该文所用方法和模型的广泛适用性.研究结果可对未来智慧风电场的开发管理提供有利用价值的工具.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	冯延晖		21	69	6.0	7.0
2	邱颖宁		22	70	6.0	7.0
3	熊中杰		1	0	0.0	0.0
4	程强		1	0	0.0	0.0