基于数据分类重建的风电机组故障预警方法

论文摘要

为预警风电机组潜在故障、增强机组出力安全性,基于监控和数据采集(SCADA)系统,提出一种异常数据重建的风电机组故障预警方法。首先,充分利用同风场风机SCADA数据,分别重建输入类与输出类目标机组数据,克服了部分数据信息丢失、数据异常问题;其次,使用提取的代表性数据建立故障预警模型,所得预警模型更贴近机组运行动态特性;最后,采用改进的衰退指标预警潜在故障,直观展示机组阶段性衰退程度。案例研究中使用某风电场SCADA故障数据,并使用3种标准确定所提策略参数设定值,结果表明可至少提前3周预警风电机组齿轮箱潜在故障,验证了所提故障预警方法的时效性。

论文目录

• 0 引言
• 1 数据处理
•   1.1 SCADA数据说明
•   1.2 数据分类重建过程
•     1)输入类重构
•     2)输出类重建
• 2 故障预警方法
•   2.1 数据分类重建
•   2.2 GMM预警模型训练
•   2.3 故障预警
• 3 案例研究
•   3.1 故障预警方法参数设置
•   3.2 结果和讨论
•     1)准确性
•     2)必要性
• 4 结论

文章来源

类型: 期刊论文

作者: 刘帅,刘长良,甄成刚

关键词: 故障预警方法,梯度提升回归树,高斯混合模型,数据分类重建,衰退指标

来源: 仪器仪表学报 2019年08期

年度: 2019

分类: 工程科技Ⅱ辑

专业: 电力工业

单位: 华北电力大学控制与计算机工程学院,新能源电力系统国家重点实验室(华北电力大学)

基金: 北京市自然科学基金(4182061),中央高校基本科研业务费专项资金(2018ZD05,9163116001)项目资助

分类号: TM614

DOI: 10.19650/j.cnki.cjsi.J1804464

页码: 1-11

总页数: 11

文件大小: 671K

下载量: 356