风电机组齿轮箱油温异常诊断方法与预警策略研究

发布时间：2021-05-14 09:50

　　针对风电机组故障样本数据少、风电场故障记录不准确的问题,将风电机组齿轮箱故障预警方法与风电机组设计机理以及运维经验相结合,使用无故障运行数据构建齿轮箱油温异常模型,依据实际运行数据与预测数据的偏差,按照指定的预警策略给出预警。该方法采用Docker技术实现了生产环境的跨平台、轻量化部署,现场验证准确率高,能够大大提高风电机组的运维效率,间接提升发电量。 

【文章来源】：船舶工程. 2020,42(S1)北大核心CSCD

【文章页数】：6 页

【参考文献】：
期刊论文
[1]风电装备故障诊断与健康监测研究综述[J]. 陈雪峰,郭艳婕,许才彬,商红兵.  中国机械工程. 2020(02)
[2]基于卷积神经网络的风电机组齿轮箱状态监测方法[J]. 刘华新,刘红艳,韩中合,朱霄珣,侯栋楠.  可再生能源. 2020(01)
[3]基于遗传算法优化BP神经网络的风机齿轮箱故障诊断[J]. 张细政,郑亮,刘志华.  湖南工程学院学报(自然科学版). 2018(03)
[4]基于混合蛙跳算法优化神经网络的齿轮箱故障诊断研究[J]. 王宇.  机械工程师. 2018(08)
[5]基于数据挖掘的风电机组齿轮箱运行状态分析[J]. 贾子文,顾煜炯.  中国机械工程. 2018(06)
[6]基于频谱包络曲线的稀疏自编码算法及在齿轮箱故障诊断的应用[J]. 张绍辉,罗洁思.  振动与冲击. 2018(04)
[7]基于深度自编码网络模型的风电机组齿轮箱故障检测[J]. 刘辉海,赵星宇,赵洪山,宋鹏,邓春.  电工技术学报. 2017(17)
[8]风电机组齿轮箱温度趋势状态监测及分析方法[J]. 郭鹏,David Infield,杨锡运.  中国电机工程学报. 2011(32)



本文编号：3185436