本文關鍵詞：基于數(shù)據挖掘的風電機組變槳系統(tǒng)劣化狀態(tài)在線辨識方法

  更多相關文章： 風力發(fā)電機組 變槳系統(tǒng) 狀態(tài)辨識 支持向量機 高斯混合模型

【摘要】：傳統(tǒng)閾值法難以及時準確地辨識出運行設備的劣化狀態(tài),針對風力發(fā)電機組實施狀態(tài)檢修工作的要求,提出一種風機變槳系統(tǒng)劣化狀態(tài)在線辨識方法。在闡述風機變槳控制原理和變槳系統(tǒng)監(jiān)測參數(shù)的基礎上,建立了以風速、有功功率為輸入,風輪轉速、3個葉片的槳距角和變槳驅動電流為輸出的非線性多輸入多輸出(multi input multi output,MIMO)系統(tǒng)回歸模型。將系統(tǒng)特征向量實測值與最小二乘支持向量機(least square support vector machines,LSSVM)回歸計算結果間的偏離定義為系統(tǒng)"觀測值"。接著采用高斯混合模型(Gaussian mixture model,GMM)擬合多維觀測值的分布,并利用風機數(shù)據采集與監(jiān)控系統(tǒng)(supervisory control and data acquisition,SCADA)中的數(shù)據計算系統(tǒng)劣化指數(shù),實現(xiàn)系統(tǒng)狀態(tài)的在線辨識。最后,以一臺發(fā)生過變槳軸承保持架和滾動體損壞故障的風機為對象,進行了實例驗證,證明了所建模型的準確性和有效性。
【作者單位】： 北京交通大學電氣工程學院;
【關鍵詞】： 風力發(fā)電機組 變槳系統(tǒng) 狀態(tài)辨識 支持向量機 高斯混合模型
【基金】：國家自然科學基金項目(51477006)~~
【分類號】：TM315
【正文快照】： 輸出的非線性多輸入多輸出(multi input multi output,MIMO)系統(tǒng)回歸模型。將系統(tǒng)特征向量實測值與最小二乘支持向量機(least square support vector machines,LSSVM)回歸計算結果間的偏離定義為系統(tǒng)“觀測值”。接著采用高斯混合模型(Gaussian mixture model,GMM)擬合多維觀

【相似文獻】

中國期刊全文數(shù)據庫 前10條

1 鐘延炯,李白男,沈善德,言茂松;水電站發(fā)電機組動態(tài)特性的在線辨識[J];北京鋼鐵學院學報;1980年03期

2 胡永智;楊緒光;陳日曜;;切削過程動態(tài)特性的在線辨識[J];武漢工學院學報;1991年03期

3 劉尚威;嚴蔚霞;蘇震;趙顯富;;浮選過程在線辨識及控制[J];中南礦冶學院學報;1982年S3期

4 徐枋同,陳建,陳光大,譚玫芳;原型水力機組在線辨識試驗[J];武漢水利電力學院學報;1986年06期

5 李群輝;微機閉環(huán)在線辨識數(shù)學模型的一種方法[J];貴州工學院學報;1995年06期

6 楊鐵軍,顧仲權,魯明月,雷凌云,朱明剛;基于誤差通道在線辨識的結構振動主動控制系統(tǒng)[J];振動與沖擊;2004年03期

7 黃仁;時修榮;沙勇;孫小軍;蘇桂生;;磨削燒傷在線辨識方法的研究[J];南京工學院學報;1988年02期

8 陳波;徐政;陳銳堅;;直接轉矩控制系統(tǒng)參數(shù)在線辨識的研究[J];電氣技術;2009年09期

9 李蒙;徐婭萍;李凌冰;;電液伺服系統(tǒng)在線辨識方案的設計[J];機床與液壓;2008年03期

10 陳宏偉;吳平東;黃杰;;基于因特網的共享控制系統(tǒng)接入設備的在線辨識[J];北京理工大學學報;2009年04期

中國碩士學位論文全文數(shù)據庫 前4條

1 張偉;永磁同步電機測試系統(tǒng)設計及其參數(shù)的在線辨識研究[D];東北大學;2013年

2 李洋;火電機組入爐煤質在線辨識應用研究[D];華北電力大學;2015年

3 劉蜀寧;異步電機參數(shù)的在線辨識研究[D];四川大學;2001年

4 戴均;月面鉆進故障工況模擬及辨識方法研究[D];哈爾濱工業(yè)大學;2014年

，

本文編號：629594