基于NSET模型的風(fēng)電機(jī)組故障診斷研究.pdf

1、隨著風(fēng)力發(fā)電業(yè)的發(fā)展，風(fēng)電場的運行和維護(hù)問題已引起高度重視。SCADA系統(tǒng)記錄了風(fēng)電機(jī)組關(guān)鍵部件的實時運行狀態(tài)信息，不用另裝傳感器和監(jiān)測系統(tǒng)，通過數(shù)據(jù)挖掘和預(yù)測分析實現(xiàn)風(fēng)電機(jī)組運行狀態(tài)的在線監(jiān)測是降低運維費用的有效途徑。
　　本文首先概述了風(fēng)電機(jī)組的類別、工作原理、主要技術(shù)性能，分析了風(fēng)電機(jī)組常見故障的現(xiàn)象和原因，歸納了風(fēng)電機(jī)組幾個典型部位故障原因及表現(xiàn)形式，然后詳細(xì)介紹了SCADA系統(tǒng)及其數(shù)據(jù)的特點及分類，為后續(xù)的研究奠定了理論

2、基礎(chǔ)。
　　其次，分別研究了傳統(tǒng)的固定步距及改進(jìn)的基于馬氏距離的非線性狀態(tài)估計故障診斷方法，基于BP神經(jīng)網(wǎng)絡(luò)故障診斷方法，基于粒子群優(yōu)化的BP神經(jīng)網(wǎng)絡(luò)診斷方法。其中，非線性狀態(tài)估計法主要以相似性原理為依托來建模。在了解了齒輪箱相關(guān)知識的基礎(chǔ)上，以預(yù)測齒輪箱溫度為例，選擇合理的輸入變量，對數(shù)據(jù)進(jìn)行預(yù)處理后，運用以上四種方法分別建模進(jìn)行有效性驗證。通過對這四種方法的診斷原理、診斷過程研究及四種診斷結(jié)果的對比分析，證明了采用基于馬氏距離