共查询到20条相似文献,搜索用时 31 毫秒
1.
《华北电力技术》2016,(8)
为实现风电机组运行状态的实时评估,提出了一种基于SCADA运行数据的风电机组运行可靠性评估方法。该方法首先通过层次分析法(Analytic Hierarchy Process,AHP)和熵权法分别计算目标属性的主观权重和客观权重,采用灰色关联度法计算目标属性的关联权重,并对3种权重通过松弛因子进行线性融合得到组合权重。然后通过改进的优劣解距离法(Technique for Order Preference by Similarity to an Ideal Solution,TOPSIS)对风电机组可靠性进行评估得到风机状态评估结果,最后将组合权重松弛因子d由0到1连续取值,进行敏感性分析。本方法应用于某风电场9台风机的可靠性指标仿真评估,结果表明,基于该方法得到的评估结果更接近风机实际运行状态,具有更高的可信度。本文提出的方法为合理制定风电机组检修计划提供了新的技术手段。 相似文献
2.
3.
为降低风电机组故障发生概率,提高其可靠性,该文利用数据采集与监控系统(supervisory control and data acquisition,SCADA)检测获得的风电机组运行状态数据,通过研究多指标融合状态评价模型及其预测算法,解决风电机组状态参数评估与预测难题。结合SCADA系统结构,设计并规划风电机组状态参数评估与预测系统架构与功能;利用输出功率波动、风能利用率以及开机运行比率3项参数,基于阈值法,建立风电机组状态退化评价指标模型,通过主成分分析法对3个评估标准进行权重计算,并将各指标进行信息融合,综合反应风电机组运行状态;设计Convolutional Neural Network-Long Short-Term Memory风电机组状态预测模型,实施风电场运行状态参数预测;开发风电机组状态评估与预测系统软件,验证所提方法的有效性。 相似文献
4.
基于趋势预测的大型风电机组运行状态模糊综合评价 总被引:3,自引:0,他引:3
大型风力发电机组的设备维修与更换的费用昂贵,因此及时准确地对风电机组运行状态进行评估,可有效节约检修维护成本。为此,提出一种基于状态参数趋势预测的大型风电机组运行状态模糊综合评价策略。首先分析并归纳大型风电机组的重要运行状态参数,采用层次分析法构建出评价模型,在状态参数的劣化度计算中结合模糊趋势预测策略,然后应用模糊隶属度加权进行逐层评价结论的综合,在总体评价结论的综合策略上对传统方法进行有益的改进。算例表明,与常规模糊评价策略相比,提出策略更具合理性,有助于及时发现早期故障隐患,可为风电场合理安排机组的调度运行与检修维护计划提供参考。 相似文献
5.
风电机组运行状态参数的非等间隔灰色预测 总被引:2,自引:0,他引:2
为了实现风电机组故障预警和智能状态检修,提出了风电机组运行状态趋势的灰色非等间隔预测研究。首先,考虑不同间隔段历史数据所反映机组趋势和变化规律差别,对监测数据抽取多组非等间隔时间序列,利用平均弱化缓冲算子,分别建立非等间隔灰色GM(1,1)预测模型。其次,引入关联度概念,选择各组非等间隔灰色预测值与实际值之间最大关联度的预测结果,应用建立的灰色关联组合预测模型,对某850kW变速恒频风电机组的发电机转速及部件温度等运行状态参数进行预测。最后,对某2MW风电机组运行转速进行预测,并与反向传播(BP)神经网络和支持向量机方法的预测结果进行比较,结果表明风电机组运行状态参数的非等间隔灰色预测具有较高的精度。 相似文献
6.
7.
8.
9.
10.
11.
12.
13.
14.
15.
论述了水电机组实施状态检修的优点及状态检修的基本原理。从水电机组实施状态检修的监测系统及诊断技术的发展两方面说明了水电机组实施状态检修的可行性。结合青海省实际得出水电机组实施状态检修的必要性和可行性结论,并结出实施状态检修的流程图。 相似文献
16.
17.
18.
水办发电机组状态检修是一种现代化管理手段,是科学的确定机组检修间隔、工期及检修内容的方法,通过对机组进行监测,可以用量少的人力,最大限度保证机组安全稳定运行。文章从资料收集、监测方案、数学模型、专家经验以及可实施性等角度研究了状态检修工作的主要内容及实施方案。状态检修是电网发展的必然趋势,也是水电机组检修工作的一次革命。 相似文献
19.
针对水电机组运行期间故障样本较少,难以构建故障诊断模型的问题,提出基于MI-GA-BP和误差统计分析的方法构建水电机组健康评估模型。首先通过互信息理论选择相关的多个工况参数,进而采用GA-BP神经网络建立水电机组的振动预测模型,确定健康评估模型的基准值。然后通过对振动相对预测误差进行统计分析,采用非参数核密度估计法和正态分布估计法分别拟合其概率密度函数,计算在一定置信水平下的置信区间,采用熵权法对2种方法得到的区间进行组合得到最优区间,得到健康评估模型的界限值。通过仿真分析表明,所构建的健康评估模型能够实时反映机组的健康状态,判断其是否处于异常状态。 相似文献