共查询到20条相似文献,搜索用时 78 毫秒
1.
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
2.
针对目前传统机器学习算法在风电机组建模中存在训练速度慢、准确性低等缺点,研究了基于TPE LightGBM算法的风电机组正常行为模型,并以正常行为模型为基础制定故障预警方案。首先,结合风机运行原理和XGBoost算法完成建模前的特征选择工作并利用异常数据处理后的SCADA历史运行数据建立风机性能、齿轮箱等的正常行为模型。然后,以正常行为模型输出与实际值的偏差为预警指标,引入滑动窗口模型对预警指标做平滑处理后作为阈值指标。最后,利用SCADA历史故障记录数据对预警方案进行实验验证,结果表明所提预警方案能够在SCADA系统报警提示信息发出前实现故障的提前预警。 相似文献
3.
4.
为提高风电机组的停运预警能力,基于风电场数据采集与监控(SCADA)系统数据提出了一种风电机组状态参数的异常辨识方法。对参数进行划分,针对与环境因素密切相关的状态参数,采用神经网络建立了状态参数预测模型。采用本机组近期SCADA样本、本机组历史样本和其他机组近期样本分别作为预测模型的训练数据,对比分析了基于3类样本建立的模型的预测精度。采用平均绝对误差对基于本机组历史样本和其他机组近期样本建立的预测模型进行选择。定义了异常程度指标量化预测残差的异常程度。为了提高异常辨识的精度,采用模糊综合评判对筛选出的预测模型的异常辨识结果进行融合。最后,以国内某风场的1.5 MW风电机组为例进行了异常分析,并与传统的风电机组状态参数异常检测方法进行了对比,实例分析结果表明所提出的异常辨识方法具有更高的准确性。 相似文献
5.
随着海上风电场的快速发展,降低运维成本和提高风电机组可用性问题已成为研究热点。文中提出一种数据驱动的风电机组性能评估方法用来提高风电机组运维效率,降低维护成本。该方法结合了神经网络和随机过程理论,对风电机组数据采集与监视控制系统(supervisory control and data acquisition,SCADA)数据进行分析,建立了风电机组运行行为模型,提出了评估风电机组运行性能的指标。在此基础上,结合9台风电机组的SCADA数据,评估了运行性能。针对风电机组运行中出现的异常状态,分析了可能的原因,并提出了相应的维修建议。结果表明,该方法能够有效地分析SCADA数据,所提指标对提高风电场运维效率具有参考价值。 相似文献
6.
文中提出一种利用风电场内运行状态相似的风电机组数据采集与监控(SCADA)数据提升异常检测结果准确性的方法。首先,基于实际数据的分析结果,提出了风电机组运行状态的相似性比较原则,进而提出了基于互信息特征选择算法和迭代自组织数据分析聚类算法的运行状态相似性评估方法。然后,在考虑状态变量短时相依性的基础上,利用待检测风电机组的历史SCADA数据构建了基于支持向量机的确定性估计模型,利用相似风电机组的历史SCADA数据构建了基于核密度估计的组合概率估计模型。进一步,利用确定型估计模型和组合概率估计模型分别对目标变量的异常状态进行自检测和外部检测,通过2次检测结果的互相印证来提升异常检测结果的准确性和可靠性。最后,基于一个实际风电场内所有风电机组的SCADA数据和对比实验验证了所提方法的可行性和准确性。 相似文献
7.
8.
针对风电机组SCADA监测数据的非线性、高冗余等特点,提出一种基于受限玻尔兹曼机(Restricted BoltzmannMachine,RBM)和支持向量机(SupportVectorMachine,SVM)的风电机组叶片开裂故障预测方法。利用RBM优异的特征学习能力,将其作为特征提取器来获得风电机组SCADA数据中表达能力更强的数据特征。将RBM的输出作为SVM的输入,构建RBM+SVM组合预测模型。利用训练集、验证集进行预测模型构建和参数微调。为验证提出模型的有效性,将其预测结果与RBM+Logistic回归、SVM和Logistic回归的预测结果进行对比。实验表明,RBM+SVM的预测准确率为93.08%,与三组对比模型相比具有明显的优势。研究结果可为实际风电机组叶片开裂故障预测提供重要参考。 相似文献
9.
该文提出一种基于支持向量数据描述(SVDD)和XGBoost模型的风电机组异常工况预警方法。从机组监控与数据采集系统(SCADA)数据中选择与转速和发电功率密切相关的特征变量,利用SVDD算法对建模数据进行预处理,采用XGBoost建立风机正常性能预测模型。以所建预测模型为基础,构建时间滑动窗计算性能评价指标,并根据统计学的区间估计理论合理确定风机性能异常预警指标阈值。采用某风电场1.5MW风电机组SCADA系统记录的若干真实故障案例,开展异常工况预警仿真试验。结果表明:基于SVDD和XGBoost的风机异常工况预警方法,可以有效地清洗数据,及时识别风电机组异常状态,对于提高风电机组运行的安全性具有较好的工程实用意义。 相似文献
10.
针对服役风电机组的在线评估问题,提出一种基于线性插值模型的风电机组服役性能指标计算及评估方法。该方法包括线性插值模型的建立和服役指标的计算及评估。线性插值模型的建立将采用理论分析和统计分析相结合的数据预处理方法,基于预处理后的数据采用比恩法均匀划分区间,并在区间中统计各定义指标的功率,然后构造指标关于功率的线性插值模型。服役指标的计算及评估是通过风电机组的原始数据,以时间滑动的方式,对每次滑动的数据利用比恩法划分区间并应用线性插值模型计算性能指标,同时计算区间分配的权值,由性能指标和权值整合成机组每次滑动的服役性能指标,获得机组的服役性能指标趋势图。利用SCADA数据进行验证,证明方法的有效性,完成机组服役性能的评估工作。 相似文献
11.
结合OPC规范及数据转换服务(DTS)的主要技术特点,提出了一种基于OPC及DTS技术的接口控制方案。通过这种方案,可以简便有效地实现企业管理层与现场设备层之间的交互。 相似文献
12.
为了使配电地理信息系统能够有效反映网络的当前状态,将SCADA系统采集的实时信息映射到配电网地理信息系统上来,提出了四种可能的实现方案.从技术、经济、安全及实现难易度等方面分别分析、比较这些可能的方案,得出了各个方案的优缺点及局限性.最后根据现场实例,介绍了利用直接通信端口读取实现配电地理信息系统中实时数据更新的过程. 相似文献
13.
清远供电局调度自动化系统(以下简称SCADA系统)是通过防火墙与外网系统进行通信和数据交换的,不符合电力二次系统安全防护整体要求,需要进行改造.为此,介绍了采用物理安全隔离装置将安全Ⅰ区与安全Ⅲ区进行隔离;通过数据同步和Web浏览等技术实现清远供电局SCADA系统与调度生产管理系统(DMIS)等外网系统交换数据的安全防护改造方案.SCADA系统安全改造方案符合目前实际情况和未来发展规划要求. 相似文献
14.
地区电网AVC系统应用分析及改进建议 总被引:2,自引:2,他引:0
介绍了地区电网AVC系统的控制原理及功能,分析了AVC系统工程应用中存在的问题。提出了AVC系统存在"软闭锁"的安全隐患,并对工程实践中发现的问题提出了改进意见,旨在增进同行间的经验交流,进一步提高AVC系统的实用性、可靠性。 相似文献
15.
16.
在阐述了工控组态软件对外通信接口体系结构的基础上,提出了一个开发集散控制系统(DCS)仿真操作界面的新方法。该方法使用工控组态软件的图形功能实现DCS仿真界面模型的建立和操作,DCS仿真界面与DCS流程动态数学模型之间通过动态数据交换(DDE)和OPC(OLE for process control)接口进行通信,通过定制ActiveX控件来丰富特殊的DCS界面元素。 相似文献
17.
18.
19.
介绍OPC技术及其应用,以及它在现场设备间开放式数据交换,描述了工控系统如何通过OPC技术实现集成以及不同应用软件间的即插即用。 相似文献