基于數(shù)據(jù)挖掘的風(fēng)力發(fā)電機(jī)組齒輪箱故障診斷系統(tǒng)研究.pdf

1、風(fēng)力發(fā)電機(jī)組是風(fēng)電場(chǎng)的關(guān)鍵設(shè)備，一般分布面積廣，數(shù)量多，工作環(huán)境惡劣，而且遠(yuǎn)離中央監(jiān)控中心，一旦發(fā)生故障，所造成的損失和后果不可估量。據(jù)統(tǒng)計(jì)，風(fēng)力發(fā)電機(jī)組的故障主要集中在齒輪箱、發(fā)電機(jī)和葉片等部件，其中齒輪箱是機(jī)組中故障發(fā)生率最高的，且其故障發(fā)生率還在逐年遞增。所以為了保證風(fēng)電場(chǎng)的安全穩(wěn)定運(yùn)行，對(duì)風(fēng)力發(fā)電機(jī)組齒輪箱進(jìn)行有效的狀態(tài)監(jiān)測(cè)與故障診斷研究是很有必要的。
　　 目前，國(guó)內(nèi)外已有很多關(guān)于風(fēng)力發(fā)電機(jī)組監(jiān)控系統(tǒng)及其各個(gè)環(huán)節(jié)的設(shè)計(jì)

2、和改進(jìn)的研究。而且已有一些通用狀態(tài)監(jiān)測(cè)系統(tǒng)應(yīng)用到風(fēng)力發(fā)電領(lǐng)域，但現(xiàn)有的監(jiān)測(cè)系統(tǒng)大部分分析和診斷功能比較薄弱，通過(guò)對(duì)采集點(diǎn)進(jìn)行閾值設(shè)定，采集數(shù)據(jù)的趨勢(shì)分析，僅能看到其在一段時(shí)間內(nèi)的總體水平，當(dāng)某些數(shù)值超出報(bào)警限值時(shí)，也僅能做出一個(gè)初步的故障診斷。
　　 由于風(fēng)機(jī)在日常運(yùn)行監(jiān)測(cè)過(guò)程中會(huì)產(chǎn)生海量的數(shù)據(jù)，這些數(shù)據(jù)中蘊(yùn)涵大量潛在的規(guī)則，給數(shù)據(jù)挖掘提供了必要條件?；跀?shù)據(jù)挖掘粗糙集理論的屬性約簡(jiǎn)能力和決策樹(shù)C4.5算法的快速分類能力，本文建

3、立了一種改進(jìn)的粗糙決策樹(shù)模型，并結(jié)合SQLServer2005及VB采用模塊化設(shè)計(jì)的思路，聯(lián)合開(kāi)發(fā)了風(fēng)力發(fā)電機(jī)組齒輪箱故障診斷系統(tǒng)。通過(guò)對(duì)比分析，結(jié)果表明該改進(jìn)的算法不僅能有效地減少特征數(shù)據(jù)獲取的工作量和建樹(shù)時(shí)間，而且能快速準(zhǔn)確地實(shí)現(xiàn)故障識(shí)別，具有比直接利用決策樹(shù)C4.5算法更強(qiáng)的工程實(shí)用性。
　　 本文開(kāi)發(fā)的基于粗糙決策樹(shù)的風(fēng)力發(fā)電機(jī)組齒輪箱故障診斷系統(tǒng)，不僅能對(duì)風(fēng)機(jī)各數(shù)據(jù)庫(kù)進(jìn)行管理，而且能快速的對(duì)齒輪箱進(jìn)行故障監(jiān)測(cè)與診斷，實(shí)