基于SCADA系统的风电机组主轴承故障预警方法

论文摘要

针对风电机组主轴承故障率高、运维成本高的问题,提出一种基于数据采集与监视控制（SCADA）系统的风电机组主轴承故障预警方法。通过相关性分析法分析SCADA系统的历史数据,提取风速、发电机输出功率、机舱温度、主轴承（t-1）时刻温度作为主轴承故障特征变量。采用粒子群优化BP神经网络算法,建立主轴承故障预警模型,优化BP神经网络的权值和阈值,防止BP神经网络算法陷入局部极小值。基于该模型的湖南某风电场主轴承故障预测算例结果表明:该预警模型可以有效提高预测的精度,实现主轴承故障预警,为风电场运维人员提供更充足的维护时间,降低风电机组运维成本。

论文目录

• 1 算法原理
•   1.1 BP神经网络算法
•   1.2 粒子群优化算法
• 2 SCADA系统
• 3 基于PSO优化的BP神经网络故障预警模型
•   3.1 风电机组主轴承故障特征变量提取
•   3.2 故障预警模型建立
•   3.3 模型训练
• 4 主轴承故障预测结果与分析
• 5 算法对比分析
• 6 结语

文章来源

类型: 期刊论文

作者: 向健平,凌永志,詹俊,李鹏辉

关键词: 风电机组,主轴承,数据采集与监视控制系统,故障预警,粒子群优化算法,神经网络

来源: 电力科学与技术学报 2019年03期

年度: 2019

分类: 工程科技Ⅱ辑

专业: 电力工业

单位: 长沙理工大学能源与动力工程学院,湖南优利泰克自动化系统有限公司

基金: 中国外国专家局高端外国专家项目(GDT20154300072)

分类号: TM614

DOI: 10.19781/j.issn.1673-9140.2019.03.028

页码: 223-228

总页数: 6

文件大小: 1419K

下载量: 264