基于数据挖掘的风电机组变桨系统劣化状态在线辨识方法

发布时间：2017-08-06 11:12

  本文关键词：基于数据挖掘的风电机组变桨系统劣化状态在线辨识方法

  更多相关文章： 风力发电机组 变桨系统 状态辨识 支持向量机 高斯混合模型

【摘要】：传统阈值法难以及时准确地辨识出运行设备的劣化状态,针对风力发电机组实施状态检修工作的要求,提出一种风机变桨系统劣化状态在线辨识方法。在阐述风机变桨控制原理和变桨系统监测参数的基础上,建立了以风速、有功功率为输入,风轮转速、3个叶片的桨距角和变桨驱动电流为输出的非线性多输入多输出(multi input multi output,MIMO)系统回归模型。将系统特征向量实测值与最小二乘支持向量机(least square support vector machines,LSSVM)回归计算结果间的偏离定义为系统"观测值"。接着采用高斯混合模型(Gaussian mixture model,GMM)拟合多维观测值的分布,并利用风机数据采集与监控系统(supervisory control and data acquisition,SCADA)中的数据计算系统劣化指数,实现系统状态的在线辨识。最后,以一台发生过变桨轴承保持架和滚动体损坏故障的风机为对象,进行了实例验证,证明了所建模型的准确性和有效性。
【作者单位】： 北京交通大学电气工程学院;
【关键词】： 风力发电机组 变桨系统 状态辨识 支持向量机 高斯混合模型
【基金】：国家自然科学基金项目(51477006)~~
【分类号】：TM315
【正文快照】： 输出的非线性多输入多输出(multi input multi output,MIMO)系统回归模型。将系统特征向量实测值与最小二乘支持向量机(least square support vector machines,LSSVM)回归计算结果间的偏离定义为系统“观测值”。接着采用高斯混合模型(Gaussian mixture model,GMM)拟合多维观

【相似文献】

中国期刊全文数据库 前10条

1 钟延炯,李白男,沈善德,言茂松;水电站发电机组动态特性的在线辨识[J];北京钢铁学院学报;1980年03期

2 胡永智;杨绪光;陈日曜;;切削过程动态特性的在线辨识[J];武汉工学院学报;1991年03期

3 刘尚威;严蔚霞;苏震;赵显富;;浮选过程在线辨识及控制[J];中南矿冶学院学报;1982年S3期

4 徐枋同,陈建,陈光大,谭玫芳;原型水力机组在线辨识试验[J];武汉水利电力学院学报;1986年06期

5 李群辉;微机闭环在线辨识数学模型的一种方法[J];贵州工学院学报;1995年06期

6 杨铁军,顾仲权,鲁明月,雷凌云,朱明刚;基于误差通道在线辨识的结构振动主动控制系统[J];振动与冲击;2004年03期

7 黄仁;时修荣;沙勇;孙小军;苏桂生;;磨削烧伤在线辨识方法的研究[J];南京工学院学报;1988年02期

8 陈波;徐政;陈锐坚;;直接转矩控制系统参数在线辨识的研究[J];电气技术;2009年09期

9 李蒙;徐娅萍;李凌冰;;电液伺服系统在线辨识方案的设计[J];机床与液压;2008年03期

10 陈宏伟;吴平东;黄杰;;基于因特网的共享控制系统接入设备的在线辨识[J];北京理工大学学报;2009年04期

中国硕士学位论文全文数据库 前4条

1 张伟;永磁同步电机测试系统设计及其参数的在线辨识研究[D];东北大学;2013年

2 李洋;火电机组入炉煤质在线辨识应用研究[D];华北电力大学;2015年

3 刘蜀宁;异步电机参数的在线辨识研究[D];四川大学;2001年

4 戴均;月面钻进故障工况模拟及辨识方法研究[D];哈尔滨工业大学;2014年

，

本文编号：629594