基于机舱风速计的风电机组功率特性评估方法

针对传统的功率特性评估方法难以对未配置测风塔的风电机组进行评估的问题,对基于机舱风速计的功率特性评估方法进行了研究。在深入剖析机舱风速与测风塔风速相关性的基础上,依托IEC 61400-12-2标准,提出了二者之间最优拟合关系为分区间段的机舱传递函数(BinnedNTF)。利用Binned-NTF对机舱风速进行校正,并用计算出的空气密度对数据进行标准化,得到机组的实测功率曲线、风能利用系数曲线和理论年发电量。研究应用表明,该方法在不增加测风设备经济成本的情况下,可以对未配置测风塔的风电机组进行功率特性评估,能够及时有效地维护风电场的利益。     

基于XGBoost建模和Change-Point残差处理的风电机组齿轮箱温度预警

风电机组具有单机容量小,台数多,状态信息复杂的特点;基于SCADA数据的风电机组齿轮箱预警普遍存在预测精度和计算效率低,资源占用高的问题,选取有效方法以克服上述问题成为齿轮箱预警的关键。极限梯度提升(eXtreme Gradient Boosting,XGBoost)算法本身结合多线程、数据压缩、分片的形式,其在处理大数据量样本时仍具有较高的通用性。采用XGBoost算法建立齿轮箱正常工作状态的温度模型,使用XGBoost模型与其它4类回归预测模型分别进行齿轮箱温度预测模型实验,结果表明XGBoost模型在齿轮箱温度预测中综合性能要优于其它4类模型。当齿轮箱发生故障时,模型的样本特性会发生异常变化,导致模型的预测残差发生明显改变。为提高齿轮箱故障预警的可靠性,构建了新的Change-Point算法,利用Change-Point技术进行XGBoost模型预测残差序列分析,可定位齿轮箱状态劣化时间点,回溯状态劣化原因。     

基于滑动窗口-KL散度和改进堆叠自编码的轴承故障诊断

针对风力发电机组的发电机轴承故障诊断问题,提出基于滑动窗口-KL散度和改进堆叠自编码的深度学习网络故障诊断模型。采用改进的变学习速率的堆叠自编码器进行发电机轴承温度状态重构。利用滑动窗口-KL散度算法进行发电机轴承的故障诊断,诊断结果与欧氏距离和3σ准则故障诊断结果进行对比。结果表明:采用滑动窗口-KL散度算法进行故障诊断准确率高、误报率低。     

电力信息资源共享初探

江西电力职工大学图书馆在学校及省局科技处的支持下，自主开发了一个面向公众的图书文献信息系统，为达到全省电力系统的教育资源共享，有效利用电力系统各单位的图书资料，最基本也是最现实的渠道就是利用面向公众的图书馆系统。     

基于功率曲线的风电机组数据清洗算法

针对风电机组性能分析过程繁琐低效、数据清洗不彻底以及传统方法难以有效识别复杂多变的异常发电状态的问题,提出一种用于风电机组功率曲线分析的数据清洗算法。通过分析风电机组数据采集与监控(SCADA)系统采集的风速功率数据,优化数据处理规则与数据分析过程,提出最优组内方差清洗算法,检测机组发电性能异常的状态,降低对检测工具和数据维度的硬性要求。实例分析表明该方法实用、高效,在不增加硬件设备投资的前提下,能准确清洗风电机组功率曲线数据并识别出机组异常运行状态,显著提高了风电机组性能分析的准确性。     

浅谈大学生信息素养的培养

先给出信息素养的多种定义，从多种角度对信息素养进行认识，最后指出培养信息素养的多种途径。