基于SCADA数据驱动的风电机组部件故障预警

被引：22

作者：

吴亚联 ^{[1
]}

梁坤鑫 ^{[1
]}

苏永新 ^{[1
]}

詹俊 ^{[2
]}

机构：

[1] 湘潭大学信息工程学院

[2] 湖南优利泰克自动化系统有限公司

来源：

无线互联科技 | 2018年 / 15卷 / 13期

基金：

湖南省自然科学基金;

关键词：

神经网络; 故障诊断系统; 马氏距离; 风电场; SCADA系统;

D O I：

暂无

中图分类号：

TM315 [风力发电机];

学科分类号：

080802 [电力系统及其自动化];

摘要：

为提高风电机组部件故障预警的精度和速度,文章提出了一种基于SCADA数据的风电机组部件故障预警方法,用于解决现存的风电机组部件故障预警时间与故障预警精度的矛盾。首先SCADA历史数据通过数据预处理与BP神经网络建立机组部件正常状态模型,随后以该模型为基础结合基于马氏距离的数据统计方法形成故障预警判据,并将结果反馈给SCADA系统达到风电机组部件故障预警目的。仿真结果表明,使用该方法能够提前2个月识别主轴承故障信号,同时该方法能发现SCADA系统误报故障。

引用

页码：122 / 127

页数：6

共 7 条

[1]

基于多层前向神经网络的应力传感器故障诊断 [J].