基于组合赋权和云模型的风电机组健康状态评估

针对当前模糊评价隶属函数的确定具有主观性且未考虑随机性的问题,提出一种基于组合赋权和云模型的风电机组健康状态评估方法。在构建风电机组健康状态评估指标体系及等级划分基础上,通过组合赋权法确定各指标的权重,应用隶属云模型确定定量指标对各状态等级的隶属度,采用分层评估方法对风电机组健康状态开展综合评价。实例验证结果表明,该方法具有有效性和可行性。     

基于融合理论的风电机组状态评价正态云模型

针对目前风电机组状态评价中关键参数确定方法客观性不足的问题,以及对关键部件劣化程度准确掌握的需求,提出一种基于证据融合理论及正态云模型的风电机组状态综合评价方法。该方法引入修正温度的概念,利用环境温度(T_e)和有功功率(P)对温度参数进行修正来确定修正阈值;引入DSmT理论中的PCR5融合规则对权重进行融合;利用3εn准则确定评价模型的数字特征,从而提高了模型中关键参数确定的客观性。最后,利用某风场1.5 MW直驱式机组的SCADA数据进行验证。结果表明,该文方法可在故障发生前得出状态已成逐渐下降的趋势的结论,对机组早期缺陷发出报警,从而达到整机状态预警的目的,对运维有指导意义。     

基于SCADA及振动监测数据的风电机组变权综合状态评价

数据采集与监视控制(Supervisory Control and Data Acquisition,SCADA)系统是一套广泛应用于风电机组状态监测的系统。文章提出基于SCADA及振动监测数据的多数据源风电机组变权综合状态评价模型,并进行实例分析。研究表明,该模型在风电机组状态评价中是合理有效且可实现的,其评价结果为机组的维修决策及风电场运行优化提供了科学依据。     

风电机组状态检测技术研究现状及发展趋势

状态检测技术是风电机组故障诊断与运营维护最为重要的技术手段。对风电机组进行状态检测能够掌握机组的健康状态及发电性能,以便及时制定维护维修策略和采取提升发电性能的技改措施、减少机组停机时间、避免重大故障发生、节省维修成本、提高机组发电能力。因此,在风电机组状态评价和维护维修中,针对状态检测技术进行了大量的研究和应用。文章从风电机组状态检测特点、机组类型和故障特点3方面进行归纳总结;从风电机组健康状态检测和性能状态检测两方面,综述了近年风电机组状态检测的研究现状和重要的研究成果;探讨了目前风电机组状态检测面临的问题,从状态检测设备和软件集成化、状态检测智能化和标准化等方面解决所面临的问题。文章指出,故障机理分析、多状态检测融合技术和统一平台的综合健康检测评估系统是风电机组状态检测发展的新趋势。     

基于卷积神经网络的风电机组齿轮箱状态监测方法

为了实现对风电机组齿轮箱的状态监测,文章提出了一种基于卷积神经网络的风电机组齿轮箱状态监测方法。首先,提取风电机组数据采集与监视控制(SCADA)数据和振动信号作为参数,组成齿轮箱状态矩阵。其次,建立了一种卷积神经网络模型,该模型针对输入数据设计了特定结构和池化层规则,提高了计算效率,能够从齿轮箱状态信息中提取特征并判断其状态。最后,利用实际运行的风电机组数据对卷积神经网络模型进行了训练和验证,最终取得了96.3%的识别精度。同时,将该模型应用于对同一风场其他机组的状态监测,结果验证了卷积神经网络模型对齿轮箱状态监测的有效性。     

基于随机组合赋权模糊评价的风电机组健康状态评估

由于健康指标权重随机性会导致风电机组状态评估灵敏度降低,提出一种评估风电机组健康状态的随机组合赋权模糊评价方法。首先,通过相关性、方差、偏度等多角度分析风电场采集与监视控制系统（SCADA）数据,结合IEC61400-1标准建立机组健康状态评估指标架构,并基于随机因子优化组合权重得到赋权公式,提高评估指标层权重的准确性。其次,为充分覆盖评估指标数据劣化度,基于岭型分布函数建立健康指标劣化隶属度计算函数。结合随机组合权重和隶属度函数,构建风电机组健康状态模糊综合评价数学模型。通过分层评估风电机组健康状态指标架构,得到机组健康等级并实现故障预警。最后,对大连驼山风电场多台机组进行评估试验,结果表明：该文方法能准确评估出风电机组健康状态等级,相比组合赋权云模型方法,灵敏度提高了1.85%。     

一种基于非线性偏最小二乘的风电机组齿轮箱状态监测方法北大核心CSCD

风电机组状态监测是提升机组运行水平和经济效益的重要手段。文章提出了一种基于非线性偏最小二乘(PLS)的风电机组齿轮箱状态监测方法,利用数据采集与监控系统(SCADA)数据对齿轮箱油温进行建模和监测。首先,基于无监督聚类对SCADA数据进行预处理,利用相关性分析选取与齿轮箱油温相关的输入变量;然后,构建用于表征非线性关系的输入变量,建立正常运行工况下齿轮箱油温的非线性PLS模型;最后,根据模型输出结果与齿轮箱油温的残差分布,设置合理阈值,用于齿轮箱状态监测。应用该模型对某大型风电机组齿轮箱进行状态监测。监测结果表明,相比于BP神经网络模型,该模型具有更高的拟合优度和预测精度。     

基于温度信号的风电机组发电机实时可靠性监测新方法

实时可靠性监测对降低风电机组的维护成本,提高其运行水平具有重要的意义。文章提出了一种基于温度信号监测的风电机组发电机实时可靠性监测方法。该方法采用正常运行状态下的发电机温度数据,利用线性回归技术,得出了消除环境温度和输出功率影响后的修正温度;然后基于性能可靠性理论,对修正温度进行标准正态变换,建立了发电机运行温度的实时可靠性监测模型。以某机组实际运行数据为例,验证所提方法,结果表明,该方法能利用温度信号监测机组运行的实时可靠度来发现其运行异常状态,达到实时可靠性监测目的。     

基于多类证据体方法的风电机组健康状态评估

针对基于确定权重的评估方法难以适应风电机组特征量多且相互关系不明确的特点,提出基于多种类证据体的风电机组健康状态评估方法。首先考虑风速大小随机变化对机组振动和温度特征量波动范围的影响,提出基于动态阈值的评估指标劣化度量化方法;其次针对证据间信息可能存在的高冲突问题,按照证据间的优先度分布情况,依据证据源修正思想建立基于证据推理的风电机组健康状态评估模型;最后,以某风电机组健康状态评估为例,与传统的证据评估方法对比分析,验证所提出评估方法可均衡兼顾各评估指标的状态信息获得有效的风电机组健康状态。     

基于分段支持向量机的风电机组理论功率计算研究

结合风电机组功率曲线特性与支持向量机学习方法,建立基于分段支持向量机的风电机组理论功率计算模型。研究结果表明,该模型计算精度无论是在单机理论功率计算还是全场理论功率计算方面都要高于目前已有方法。在得到高精度理论功率的基础上,提出一个新的机组性能评价指标——出力可提高系数,该指标能够科学地反映机组设备的运行状态与质量,可为实现风场精细化管理提供依据。     

基于熵值法的大型风电机组运行状态综合评价

为实现大型风电机组安全经济运行,需要对其运行状态进行全面准确的评价。提出一种基于熵值法的大型风电机组综合评价方法。通过层次分析法归纳影响风电机组运行状态相关参数,在传统熵值法正负向指标基础上引入中间型指标,计算各子系统参数的信息熵值和权重,依据现场数据对机组运行状态进行综合评价。根据现场数据计算出的各指标权重客观真实,避免了由主观性和模糊性导致的偏差。验证结果表明:该方法可以较好地跟踪评价机组运行状态,及时发现隐患,为大型风电机组的安全经济运行提供参考。     

基于合作博弈和区间划分的风电机组状态评价

风电机组状态评估需要考虑模糊性和随机性的均衡,且不同方法确定的指标权重差异较大.因此,提出了一种基于区间划分的风电机组状态评估合作博弈云模型.首先,针对固定阈值受风速和环境温度的影响较大,采用Bin方法进行区间划分.其次,对于不同方法确定的指标权重,运用合作博弈法进行融合,并采用变权公式进行修正;然后,运用黄金分割法确...     

基于特征选择和XGBoost的风电机组故障诊断

随着风电规模的不断增加,风电机组的运行维护成为研究的热点。针对风电机组的故障诊断问题,文章提出了一种基于特征选择和XGBoost算法的故障诊断方法。该方法采用随机森林的袋外估计进行特征选择,降低了特征选择过程的主观性;以XGBoost算法为基础搭建诊断模型,采用网格搜索和交叉验证对算法进行参数优化。以风电场SCADA实测数据对所提方法进行验证,通过准确率、AUC值等指标将文章所提方法与传统机器学习算法的诊断结果进行对比。对比结果表明,文章提出的方法比传统机器学习算法的预测准确率更高,可用于风电机组故障诊断的工程中。     

基于风电机组状态的超短期海上风电功率预测

提出一种基于风电机组状态的超短期海上风电功率预测模型。首先,综合考虑海上环境因素以及风电机组部件间的相互作用建立指标的预测模型,以长短期记忆神经网络的预测误差作为监测指标的动态劣化度;然后采用模糊综合评价法对风电机组的运行状态进行评估,依据评估结果对风电机组历史运行数据进行划分;最后根据分类后历史运行数据建立基于机组状态的超短期风电功率预测模型。结合国内某海上风电场实例数据进行分析,算例结果表明所提方法可有效提高风电功率预测精度。     

基于EKF和UKF的风电机组非线性状态预测

风电机组的状态监测和故障诊断依赖于对其关键状态参数的参考值进行有效预测。文章采用基于系统模型的非线性状态评估方法对风电机组关键的状态参数进行预测。通过对风电机组进行建模仿真,构建扩展卡尔曼滤波和无迹卡尔曼滤波模型预测风电机组主轴转速和发电机电磁转矩,对比两种方法的预测结果在不同测量步长下的差异。结果显示,无迹卡尔曼滤波方法比扩展卡尔曼滤波方法具有更强的收敛性和稳定性,受测量步长影响更小。     

基于状态评价的风力发电设备故障诊断系统的研制

基于状态评价的风力发电设备故障诊断系统,通过实时监控表征风力发电设备运行情况的状态量,依据风力发电设备状态评价导则,对风力发电设备进行状态评价,并依据状态评价的结果,对潜在故障进行诊断分析。同时给出相应的运维策略,通过早期故障预测,变事后维护为事前检修,科学合理地安排检修计划,极大地提高了风力发电设备的运维效率,降低了机组的维护成本,保证了风力发电机组的可靠稳定运行。依据此方法研制的风力发电设备故障诊断系统,已成功应用于南方电网超高压输电公司检修试验中心。实践证明,该方法有效地提高了风力发电设备故障诊断的实时性与准确性。     

基于实时功率曲线的风电机组出力特性研究

基于实时功率曲线对风电机组出力特性进行分析,主要通过采集风电机组风速、功率、可靠性状态、大气压力、环境温度等历史数据进行过滤修正,计算出能够反映风电机组真实出力情况的实时功率曲线,并与出质保检测功率曲线进行对比,最后结合功率一致性系数对风电机组出力特性进行评价。找出性能下降比较严重的风电机组并及时整改,进而提高风电机组的发电能力。该方法不仅能够在线评价风电机组的性能优劣,且适用于各类型风电机组,具有广阔的应用前景。     

基于CatBoost机器学习模型的风电机组机舱温度异常预警研究

风电机组机舱内部的机械部件众多，以机舱温度为研究对象可以实现对风电机组故障的预警。首先提取风电机组正常运行状态下的机舱温度数据，综合Pearson相关系数和Spearman相关系数，以及轻型梯度增强学习器(LightGBM)和CatBoost算法的特征变量重要性，筛选出与机舱温度相关性较大的20个特征变量，作为风电机组机舱温度的特征变量集合；然后选择CatBoost、LightGBM、随机森林(Random Forest)3个算法分别建立模型，以均方误差(MSE)、均方根误差(RMSE)、平均绝对误差(MAE)、判定系数R2作为评价指标进行综合评价，最终选择评价指标最优的采用CatBoost算法建立的模型作为风电机组机舱温度异常预警模型，并采用实际的风电机组机舱温度异常的历史数据对模型的预警效果进行验证。该模型可在机舱温度预测值与真实值之间偏离程度较大时进行预警，专业检修人员可以根据模型输出的特征变量重要性排序，优先检修相关性较高的部件，实用性较强。     

基于知识规则挖掘的风电机组故障识别与解释性分析

针对传统风电机组故障识别方法精度难以保证且缺乏解释性的问题，提出一种以模糊规则分类系统为框架的风电机组故障识别与解释性分析方案。离线阶段通过启发式学习生成代表性故障规则，采用多种群量子进化算法实现故障规则寻优，提高对故障的识别精度；在线阶段定义近邻规则竞争策略，在此基础上提出基于故障规则后处理策略的故障解释性分析方案，实现潜在故障概率排序以及解释性的关键异常征兆表达。以兆瓦级风电机组常见的10种故障数据进行仿真分析。结果表明，所提方法可有效提高故障识别精度，同时提供可靠的故障解释性结果。     

基于DBSCAN和SDAE的风电机组异常工况预警研究

提出一种基于密度的聚类方法(DBSCAN)和堆栈式降噪自编码器(SDAE)结合的风电机组性能预测及异常运行工况预警方法.首先采用DBSCAN算法对机组监控与数据采集(SCADA)系统历史运行数据进行清洗,然后利用SDAE建立风电机组的正常运行性能预测模型.基于该模型,采用时移滑动窗口方法构建能准确反映风电机组异常状态的识别指标,并根据统计学区间估计理论合理确定指标阈值,以实现异常工况预警.采用某风电机组的真实历史运行数据进行故障重演试验.结果 表明:该方法能够在故障发生前及时对风电机组的异常运行工况发出预警,验证了该方法的有效性.