基于多元线性回归与时间序列分析的燃烧室故障预警研究

为尽早发现电站燃气轮机的燃烧室在运行期间出现的故障隐患,发出报警信息提醒运行人员处理,在提取燃机操作台的监测参数之后,将时间序列分析与多元线性回归相结合进行故障预警.首先采用指数平滑方法对单时间序列指标透平平均排温进行拟合以及预测,通过透平排温的预测结果间接判断燃烧室的燃烧状况;然后选取合适的解释变量与被解释变量建立燃...     

基于工况细化条件下数据统计分析的风电机组齿轮箱油温故障预警方法

文章针对风电机组齿轮箱油温劣化特征识别问题,提出了一种基于工况细化的异常变化检测和故障早期预警方法.该方法根据风机叶轮转速将机组运行数据进行细化分仓,在每个叶轮转速仓中建立基于概率统计分析的齿轮箱油温正常行为模型并设定其温度分布和温升变化的异常阈值;然后对现场机组齿轮箱油温变化进行监测,利用时序滑动窗口的评估方式实现风...     

基于轴承温度模型的风电机组故障预测研究

采用风电机组状态监测技术可有效提高机组运行的安全可靠性。轴承是风电机组能量传递的重要部件,轴承的状态评估对机组安全运行具有重要意义。文章基于主成分分析方法,选取影响机组轴承温度的参数,提出了改进的线性回归径向基函数神经网络方法,建立了正常运行状态下轴承的温度预测模型;通过机组运行数据的分析比较,采用滑动窗口残差统计方法对机组运行状态进行实时监视评价发现,发电机出现异常时,轴承温度呈现上升趋势,残差值超过设定的置信区间,从而能实现对故障的有效预测。文章的研究结果可为风电机组的安全高效运行提供参考。     

基于IICEEMDAN-PCA-GRU的风电机组齿轮箱故障预警方法研究

为充分挖掘数据采集与监控（SCADA）数据的隐藏信息,减少特征间的冗余性,提升模型预测和预警的精度,提出一种双重改进的完全噪声辅助聚合经验模态分解（IICEEMDAN）、主成分分析（PCA）、门控循环网络（GRU）融合的风电机组齿轮箱故障预警方法。使用皮尔逊相关系数法作特征提取,采用IICEEMDAN对特征进行分解,得到特征在不同时间尺度上的连续性信号;利用PCA提取分解特征的关键因素作为网络训练输入;GRU网络对输入时间序列特征进行建模训练,实现对齿轮箱油池温度的预测,使用统计学方法分析油池温度预测值与实际值的误差,根据实际情况设定预警阈值;使用滑动窗口理论实现齿轮箱故障预警。采用华北某风场实际数据进行验证,结果验证了所提方法对齿轮箱早期故障预警的有效性。     

基于IPSO-BP的风电机组齿轮箱状态监测研究

将改进粒子群算法(IPSO)与BP神经网络相结合,建立齿轮箱正常工作状态下的温度模型并用其进行温度预测。通过合理地选择训练样本,使IPSO-BP模型覆盖齿轮箱的正常工作空间。当齿轮箱工作异常时,其动态特性偏离正常工作空间,导致IPSO-BP网络温度模型预测残差的分布特性发生变化。采用滑动窗口方法实时计算残差的统计分布特性,当残差的均值或标准差超过预先设定的阈值时,发出报警信息,提示运行人员检查设备状态。     

基于不同运行状态的风电机组齿轮箱故障率预测模型

以往基于威布尔故障分布曲线对风电机组齿轮箱故障率的研究主要考虑时间因素,在此基础上,该文进一步考虑齿轮箱实际运行状态,结合威布尔故障分布模型中的浴盆曲线,构建同时考虑时间（t）和运行状态（s）的齿轮箱故障率模型,并计算其在4种不同运行状况（整体故障率升高、整体寿命缩短故障时间提前、故障期故障速率加快、故障期寿命缩短）的组合下模型的可靠性函数、故障累计分布函数、故障概率密度函数和特定时间下特定数量设备发生故障的概率。     

基于温度近因效应的多元线性回归电力负荷预测

为分析负荷与温度的关系,充分利用有用的气象信息,以结构简单、解释能力强的回归预测方法为基础,提出基于温度近因效应的多元线性回归负荷预测模型。在构建回归模型时,引入虚拟变量描述负荷在年、周和日周期上的周期性变化规律,对周分类时兼顾考虑节假日负荷特殊性及与休息日负荷的相似性,对节假日及其邻近日做相应转换;在近因效应方面,采用滞后时温度和24h移动平均温度。研究结果表明,考虑温度近因效应可较大程度提升负荷预测精度。     

基于改进集成KNN回归算法的风电机组齿轮箱状态监测

风电机组齿轮箱是容易发生故障的重要部件,维修费用高昂,因此有必要对其进行实时状态监测。针对集成K近邻(KNN)算法对随机采样不敏感的问题,提出了一种基于规则采样的改进集成KNN模型。首先利用距离相关系数进行变量选择,然后基于正则化互信息对变量进行排序,将其用于规则采样,构造子训练集,最后基于统计过程控制方法设置预警阈值对实时残差进行分析,根据健康度曲线对风电机组齿轮箱健康度进行监测,并利用某风电机组实际数据对所提方法进行验证。结果表明：所提方法显著提升了模型估计精度,该模型优于常规集成KNN模型,可以实现齿轮箱的早期故障预警。     

基于CAE与BiLSTM结合的风电机组齿轮箱故障预警方法研究

针对风电机组故障频发且早期故障监测难的问题,为实现风电机组智能监测,提出基于卷积自编码(CAE)与双向长短期神经网络(BiLSTM)的风电机组齿轮箱故障预警方法。首先对风电场数据采集与监视控制(SCADA)系统的数据进行预处理,选择能表征风电机组齿轮箱运行状态的监测量作为输出量,根据相关性分析选择与输出量相关性高的监测量作为输入参数;然后根据特征选择特性和参数非线性特性构建深度学习网络模型,对输出的预测值和残差进行统计分析,设置自适应阈值来监测风电机组异常状态的趋势变化。将CAE-BiLSTM模型应用于某风电场的算例分析中,并与其他模型的预测效果进行对比。结果表明：该方法解决了模型输入与结构冗余问题,提高了模型精度,能够有效预警风电机组齿轮箱早期故障。     

基于多元线性回归的地下水开采可靠度模型

针对各种不确定性因素直接影响地下水资源评价结果的可靠性问题,基于多元线性回归模型的统计分析,以地下水开采可靠度为核心,提出了基于多元线性回归模型的地下水开采可靠性分析方法,结合传统多元回归分析与现代工程可靠性分析实现了基于多元线性回归的可靠度分析,并以淮北市地下水开采为例进行了计算分析.结果表明,该方法简单、实用、可行.     

基于多元状态估计的燃烧室故障预警研究

为了解决电站燃气轮机燃烧室故障预警问题,采用一种基于多元状态估计技术(MSET)的方法。在提取故障特征量的基础上,首先利用MSET建立燃机燃烧室正常工作状态下的模型,对待观测值进行最优估计得到估计值,估计值和观测值之间的偏差可以反映燃烧室内部工作是否异常,引入偏离度定量衡量观测值与估计值之间的偏离程度,有利于捕获故障细微变化过程,然后采用滑动窗口法确定故障预警阈值,当偏离度超过故障预警阈值时,发出故障预警,提醒运行人员及时处理。用某燃气-蒸汽联合循环发电机组仿真平台的燃烧故障信息将上述算法进行了验证。结果表明:该方法可以及时发现燃烧室燃烧异常,实现了燃烧室实时故障预警,在提高机组可靠性和发电小时数的同时,缩短检修时间、降低检修成本。     

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SCADA数据的风力发电机组振动的多元线性回归分析与研究

文章应用多元线性回归函数分析各参量对机组振动影响的大小,找出影响风力发电机组振动的主要因素和次要因素。通过分析发现,不论是机组的轴向振动还是侧向振动,风轮转速所带动的传动链的振动对机组的振动影响最大,桨距角的变化导致的机组载荷的变化对机组振动的影响次之,风速变化所产生的载荷的影响最小。     

基于S-SLLE的风电机组齿轮箱故障诊断方法研究

针对风电机组齿轮箱结构复杂、受交变载荷和恶劣工作环境影响容易出现故障导致停机的问题,提出基于统计学K-均值聚类理论的统计型监督式局部线性嵌入流形学习(S-SLLE)特征维数约简方法,首先通过对齿轮箱振动信号时频域故障特征提取,剔除冗余特征向量,减少诊断模型的复杂度和计算量,再利用RBF核支持向量机分类器建立诊断模型,对...     

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。     

多元线性回归在经济技术产量预测中的应用

传统以技术为中心的油田产量预测方法考虑因素单一,不能直观反映原油价格、生产成本等经济因素和开发投资、产能建设等决策因素对原油产量的变化。利用多元线性回归定量分析方法的基本原理,在综合考虑生产时间、百万吨产能投资、新建产能、单位生产成本、开发投资、生产成本、油价等经济技术因素的基础上,优选出了对油田产量影响显著的生产时间、百万吨产能投资、新建产能、生产成本和油价5个因素,并建立了相应的多元线性回归产量预测模型。研究了多元线性回归方法在EXCEL办公软件中实现快速分析与回归预测的过程。通过某油田实际参数与产量关系预测与验证,新建立的多因素经济技术多元线性回归预测模型简单、实用、可操作性强,预测误差小于2.3%;同时,预测了该油田2011~2015年产量变化趋势,对油田中长期科学规划决策具有一定指导意义。     

基于多元状态估计和偏离度的电厂风机故障预警

为了解决风机故障预警问题,提出一种基于多元状态估计技术(MSET)和偏离度的方法.利用MSET建立风机正常运行状态下的非参数模型,对观测向量进行最优估计并得到估计向量,观测向量与估计向量之间的差异可以反映风机工作是否异常.引入偏离度定量衡量观测向量与估计向量之间的偏离程度,有利于捕捉故障发展过程,然后利用滑动窗口法确定故障预警阈值.当平均偏离度超过预警阈值时,发出报警信息提醒运行人员处理.以长春某热电厂引风机的某次故障为例进行应用研究.结果表明:该方法可以及时发现风机异常,实现风机实时故障预警.     

基于PCA和多元状态估计的引风机故障预警

针对电厂引风机运行条件恶劣、故障种类多的特点,为了提高机组安全和设备利用率,提出了一种基于主元分析(Principal Component Analysis,PCA)和多元状态估计(Multivariate State Estimation Technique,MSET)的引风机故障预警方法:首先采用PCA对原始数据进行简化,消除冗余和噪音,选取主要状态参数,同时采用小波变换(Wavelet Transform,WT)进一步优化数据质量;然后通过MSET对引风机正常运行工况下的历史数据进行建模,包括历史记忆矩阵的构建、观测向量的估计和残差的计算等。以华能上海某电厂的引风机为例进行故障预警分析,验证该方法可以有效实现引风机早期的故障预警。     

基于确定性随机子空间方法的风机齿轮箱故障预警

齿轮箱故障是造成风电机组停机时间最长的一种故障,对其故障进行早期预警,对保证整机的可靠运行和减少维修费用具有重要意义。文章提出了一种基于确定性随机子空间方法的齿轮箱故障预测算法,首先,该算法利用齿轮箱正常状态的实时监测振动和转速数据,建立齿轮箱的状态空间模型,并得到一组参考特征值;然后利用这组参考特征值与实际监测数据所求特征值进行比较,利用均方根误差(RMSE)作为齿轮箱故障预警指标,并结合统计过程控制原理定义该指标的门槛值,来实现对齿轮箱运行状态的监控。通过对实际监测数据的仿真验证,表明了所提方法的正确性和有效性。