基于LSSVM和GMM的风电机组传动系统故障预测研究

论文摘要

文章研究了一种基于最小二乘支持向量机(LSSVM)和高斯混合模型(GMM)的传动系统故障程度量化方法。在传动系统故障机理的基础上,利用风电机组的风速、环境温度、有功功率和4个相关的上一时刻温度监测值为输入,4个相关的温度监测值为输出建立LSSVM回归模型。模型的预测值与实际测量值的偏差向量定义为系统"偏离值"。采用GMM拟合正常运行时的偏离值分布,并用该模型实时计算系统的对数似然概率(LLP),实现系统故障程度的量化。结合实际的SCADA数据,验证了该方法对故障预测有较好的灵敏性和准确度。

论文目录

• 0 引言
• 1 传动系统的LSSVM回归模型
•   1.1 回归模型参数选择
•   1.2 LSSVM回归模型
• 2 基于GMM的传动系统故障程度量化
•   2.1 GMM
•   2.2 模型参数估计
•   2.3 系统故障评估指标
• 3 实验分析
•   3.1 建立LSSVM回归模型
•   3.2 GMM模型计算系统故障程度
• 4 结论

文章来源

类型: 期刊论文

作者: 曾小钦,侯正男,庄圣贤,廖仲篪,鄢文

关键词: 故障预测,传动系统,偏离值

来源: 可再生能源 2019年10期

年度: 2019

分类: 工程科技Ⅱ辑,农业科技

专业: 电力工业

单位: 西南交通大学电气工程学院,湖南银河电气有限公司

基金: 国家重点研发计划资助项目(2016YFF0203400)

分类号: TM315

DOI: 10.13941/j.cnki.21-1469/tk.2019.10.018

页码: 1533-1538

总页数: 6

文件大小: 2046K

下载量: 180