基于数据分析的风电机组偏航机构异常感知方法研究

来源 :太阳能学报 | 被引量 : 0次 | 上传用户:Liu234449171
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
针对风电机组偏航系统动作原理和故障产生原因进行分析,建立偏航机构跟随风向变化灵敏性函数模型;基于指数加权移动平均(EWMA)控制图法和K-S检验分析方法,甄别偏航机构中风向跟踪异常,并提高感知准确性;基于波动互相关分析方法,分析单机风向标数据与场群平均风向的相关性;基于运行数据统计,分析偏航机构跟随性概率分布函数,在异常识别基础上进行故障分类.经过理论分析和实验验证,通过数据统计分析方法,可有效实现偏航机构的异常感知,避免机组亚健康运行,有利于实施预测性维护.
其他文献
针对传统风力机故障建模方法存在的适用条件不符、误差较大等问题,提出一种基于幂律过程的风力机故障建模方法.首先对风力机故障数据进行趋势检验,结合故障数据的非齐次泊松特点,建立基于幂律过程的风力机故障模型;然后分别利用最小二乘法、极大似然估计法及列文伯格-马夸尔特算法求解模型参数,并比较不同参数估计方法的优越性;最后通过求解所建模型的拟合优度指标来验证所提方法的合理性.研究结果表明:不同参数估计方法下获得的幂律模型与风力机实际故障数据拟合优度值均接近于1,幂律模型可较为准确地描述风力机故障过程;同时,列文伯格
针对单视角特征及单一模型对齿轮箱复合故障的诊断准确率较低的问题,提出基于比例冲突分配规则的模型融合故障诊断方法.首先,对齿轮箱振动信号进行特征提取,针对复杂复合故障,从时域及时频域角度构造特征;然后,将多视角特征送入多个子模型中进行初步诊断,得到互补性强的诊断结果;最后,模型输出的分类概率由第6类比例冲突分配规则(PCR6)进行融合.实验证明该融合模型所得出的结果稳定性较高,并在一定条件下可提高故障诊断的准确率.