基于信息融合的风电机组老化评估研究

发布时间：2021-08-12 05:37

　　针对老化导致的风电机性能退化问题提出了一种基于信息融合的风电机组整体老化评估方法。选取SCADA数据中的输出功率、机舱振动、主轴承温度、发电机后轴承温度、齿轮箱转速和机舱温度作为老化评估标准,通过神经网络求取各评估标准的权重,将评估标准的信息进行融合,建立整体老化评估模型,并验证其可靠性。研究表明,利用信息融合的方法建立风电机组的老化评估模型简单有效,可靠性高,为后续风电机组老化程度的研究提供了新的思路。 

【文章来源】：燕山大学学报. 2020,44(04)北大核心

【文章页数】：9 页

【部分图文】：

不同SCADA参数的相关系数图

采用某风电场2014年11月份收集到的发电机前轴承温度数据,对此数据进行核函数相同(均为高斯函数)但是窗宽不同的核密度估计。假设e表示窗宽,在不同e值下的核密度估计曲线如图2所示。为确保估计结果的准确,窗宽的选取需要进行多次测试。2.1 输出功率波动评估标准

基于上述讨论,计算和分析老化评估的流程图,如图3所示。首先,通过研究每个标准随时间变化的趋势,对风电机组相应部件的老化情况做具体分析。然后,应用神经网络对每个标准分配适当的加权因子。最后,将这3种信息进行融合求出风电机组整体的老化值。

【参考文献】：
期刊论文
[1]基于非线性状态估计的风电机组振动建模研究[J]. 苏连成,孙伟,董金国.  燕山大学学报. 2018(04)
[2]应用人工神经网络确定沙河输沙量变化影响因素的权重[J]. 刘向楠.  海河水利. 2016(02)
[3]基于MSET方法的风电机组齿轮箱预警仿真研究[J]. 孙建平,朱雯,翟永杰,葛建宏.  系统仿真学报. 2013(12)
[4]基于SCADA和支持向量回归的风电机组状态在线评估方法[J]. 梁颖,方瑞明.  电力系统自动化. 2013(14)
[5]基于SCADA运行数据的风电机组塔架振动建模与监测[J]. 郭鹏,徐明,白楠,马登昌.  中国电机工程学报. 2013(05)
[6]应用人工神经网络确定评价指标的权重[J]. 孙会君,王新华.  山东科技大学学报(自然科学版). 2001(03)



本文编号：3337696