数据挖掘在风力发电机组故障诊断中的应用

发布时间：2017-05-21 17:13

  本文关键词：数据挖掘在风力发电机组故障诊断中的应用，由笔耕文化传播整理发布。

【摘要】：本课题是以信号分析和处理技术，数据挖掘技术和数据库技术为理论基础，对复杂风力发电机组的故障诊断方法及其应用进行了深入的研究。该研究能保证风力发电机组安全、高效地运行，提高了生产效率和管理水平，在恢复故障部件并挽回故障造成的经济损失，提高社会的经济效益等方面有着现实的意义。 随着风力发电机组结构的复杂化，故障类型众多，故采集的各项数据必须保存在数据库中。保存的机组监测数据越来越多，而这激增的数据背后又隐藏着重要的信息，利用积累的这些海量数据可以对机组的运行状态、生命周期、故障等情况进行预测和诊断。本课题首先介绍了风力发电机组故障诊断的国内外现状；接着详细介绍了风力发电机组的组成、工作原理，以及各个部件的典型故障；并着重对风力发电机组典型的转子系统的故障进行了故障机理分析，以及对转子系统故障信号进行了信号处理，并提取了各个故障类型的故障信号特征；根据这些故障数据特征，设计了故障数据库，其中包括故障信息库、故障案例库、故障规则库，而故障规则库的建立则是在故障信息库和故障案例库的基础上，利用数据挖掘中的决策树方法和关联规则方法提取规则，并保存于故障数据库中。通过对规则的提取，利用测试集进行验证规则的准确度，利用规则的准确度评估故障数据库的性能，从而保证了数据挖掘技术在风力发电机组中的应用。 本系统是在Windows Server 2003平台下，运用SQL Server 2005数据管理系统，采用MATLAB中的决策树工具箱中的决策树模型和SQL Server 2005集成的数据挖掘工具中的关联规则模型，，顺利地提取了决策树规则和关联规则，并把这些规则保存于故障规则库中，利用数据库中的查询功能实现对故障类型的匹配，从而找到故障类型、故障原因以及维修建议，实现了对风力发电机组故障诊断的目的。为减少生产检测成本、提高风力发电机组生产的稳定性起到了积极作用，为我国经济又快又好的发展提供了保障。
【关键词】：风力发电机组 故障诊断 数据库 数据挖掘 决策树 关联规则
【学位授予单位】：兰州理工大学
【学位级别】：硕士
【学位授予年份】：2011
【分类号】：TP311.13;TM315
【目录】：

• 摘要8-9
• Abstract9-10
• 第一章 绪论10-15
• 1.1 研究背景10-11
• 1.2 国内外故障诊断领域与发展趋势11-13
• 1.2.1 故障诊断技术的国内外现状11-12
• 1.2.2 国内外风力发电机的故障诊断技术的现状12
• 1.2.3 数据挖掘技术在国内外故障诊断领域的研究现状12-13
• 1.3 本课题的研究意义和主要内容13-15
• 1.3.1 本课题研究意义13-14
• 1.3.2 本课题的主要内容14-15
• 第二章 故障诊断相关技术的概述及软件的选定15-28
• 2.1 故障诊断简介15-16
• 2.1.1 故障诊断的概念15
• 2.1.2 故障诊断方法的分类15-16
• 2.2 数据挖掘技术16-23
• 2.2.1 数据挖掘的定义16-17
• 2.2.2 数据挖掘的过程17
• 2.2.3 数据挖掘的任务17-18
• 2.2.4 数据挖掘的常用挖掘技术18-19
• 2.2.5 数据挖掘中挖掘技术的优缺点19-23
• 2.2.6 风力发电机组故障诊断中的挖掘技术的选定23
• 2.3 数据挖掘工具的选择23-26
• 2.3.1 Oracle 公司的Darwin 数据挖掘工具24
• 2.3.2 微软公司的SQL Server 系列的数据挖掘工具24-25
• 2.3.3 MATLAB 中的数据挖掘工具25-26
• 2.4 数据库技术26-27
• 2.4.1 数据库开发系统的选择26
• 2.4.2 SQL Server 2005 的简介26-27
• 2.5 本章小结27-28
• 第三章 故障诊断硬软件结构的设计28-33
• 3.1.故障诊断硬件体系设计28-30
• 3.2 系统软件体系结构总体设计30-31
• 3.3 本风力发电机组故障诊断系统设计结构31
• 3.4 本风力发电机组故障诊断的基本模型设计31-32
• 3.5 本章小结32-33
• 第四章 风力发电机组典型故障的机理研究及其信号特征提取33-42
• 4.1.风力发电机组的结构33
• 4.2.风力发电机组的故障类型33-36
• 4.2.1 叶片33-34
• 4.2.2 齿轮箱34-35
• 4.2.3 偏航装置35
• 4.2.4 机舱、塔架35
• 4.2.5 电控系统35-36
• 4.2.6 发电机36
• 4.3 信号的频域分析36-37
• 4.4 几种风力发电机组典型故障的机理及其特征提取37-41
• 4.4.1 不平衡故障机理及特征提取37-38
• 4.4.2 不对中故障机理及特征38-39
• 4.4.3 转子动静碰磨机理分析及其特征提取39-40
• 4.4.4 轴承的故障机理及其特征提取40
• 4.4.5 齿轮的故障机理及其特征提取40-41
• 4.4.6 轴的故障机理及其特征提取41
• 4.5 本章小结41-42
• 第五章 数据库在风力发电机组故障诊断中的设计研究42-56
• 5.1 数据库的需求分析43-45
• 5.1.1 故障诊断的大型数据库的需求分析内容43-44
• 5.1.2 基于故障诊断的大型数据库的需求分析44-45
• 5.2 数据库的概念结构设计45-48
• 5.2.1 基于故障诊断的大型数据库的概念设计的内容45
• 5.2.2 基于故障诊断的数据库的概念设计45-48
• 5.3 数据库的逻辑结构设计48-51
• 5.3.1 概念结构模型到逻辑结构模型的转化48
• 5.3.2 结构设计中的规范化和反向规范化48
• 5.3.3 基于故障诊断大型数据库的逻辑结构设计48-51
• 5.4 数据库的优化设计51-54
• 5.4.1 设置存储结构51
• 5.4.2 建立索引51-53
• 5.4.3 设计约束性53
• 5.4.4 构建故障信息库与故障案例库53-54
• 5.6 本章小结54-56
• 第六章 数据挖掘在风力发电机组故障诊断中的应用56-70
• 6.1 风电机数据挖掘过程56-57
• 6.2 数据准备预处理57-58
• 6.3 决策树挖掘方法58-63
• 6.3.1 决策树的基本原理59
• 6.3.2 决策树的经典算法研究59-61
• 6.3.3 决策树挖掘方法在风力发电机组故障诊断中的应用61-63
• 6.4 关联规则挖掘方法63-66
• 6.4.1 关联规则的基本概念63-64
• 6.4.2 关联规则的经典算法研究64-65
• 6.4.3 关联规则挖掘方法在风力发电机组故障诊断中的应用65-66
• 6.5 构建规则库66-67
• 6.6 挖掘结果的对比分析67-68
• 6.7 风力发电机组的故障数据挖掘诊断结构68
• 6.8 规则匹配-数据库匹配功能算法实现68-69
• 6.9 本章小结69-70
• 结论70-71
• 参考文献71-74
• 致谢74-75
• 附录A 攻读学位期间所发表的学术论文目录75

【参考文献】

中国期刊全文数据库 前10条

1 邱有强;潘超;王传兵;张启平;;基于粗糙集的智能数据挖掘算法在风机监测中的应用[J];东北电力大学学报(自然科学版);2008年02期

2 张积坚;王奉涛;董廷山;;风力发电机组齿轮箱在线监测系统的开发[J];工业控制计算机;2009年12期

3 王瑞闯;林富洪;;风力发电机在线监测与诊断系统研究[J];华东电力;2009年01期

4 张素兰;胡骏;;基于仿真与数据挖掘的故障诊断方法研究[J];计算机仿真;2007年01期

5 李向伟;张国权;;数据挖掘及实现技术研究[J];计算机与现代化;2006年08期

6 胡其颖;;风能利用的发展预测[J];可再生能源;2005年06期

7 田德;;国内外风力发电技术的现状与发展趋势[J];农业工程技术(新能源产业);2007年01期

8 苏明军;;风力发电—中国重要的后续能源[J];能源环境保护;2005年06期

9 唐新安;谢志明;王哲;吴金强;;风力发电机组齿轮箱振动测试与分析[J];设备管理与维修;2006年11期

10 郭大蕾;王飞跃;易建强;高海军;张向文;;风电资源开发利用进展[J];太阳能;2005年05期

中国博士学位论文全文数据库 前1条

1 孙卫祥;基于数据挖掘与信息融合的故障诊断方法研究[D];上海交通大学;2006年

中国硕士学位论文全文数据库 前8条

1 聂晶;小型风力机叶片的设计[D];内蒙古工业大学;2005年

2 魏晓;基于状态监测与故障诊断大型数据库的设计开发[D];大连理工大学;2006年

3 邱兴克;风力发电机三维建模与分析[D];新疆大学;2006年

4 乔印虎;风力发电机叶片振动研究与保护[D];新疆大学;2006年

5 唐新安;600KW风力发电机组故障诊断[D];新疆大学;2006年

6 侯捷;数据挖掘在旋转机械故障诊断中的应用研究[D];大连理工大学;2008年

7 宋斌;基于数据挖掘技术的故障测试与诊断方法研究[D];西安电子科技大学;2009年

8 李虎;大型风电机组振动状态监测系统开发[D];华北电力大学（北京）;2009年

  本文关键词：数据挖掘在风力发电机组故障诊断中的应用，由笔耕文化传播整理发布。

本文编号：384284