科研之友
微信
新浪微博
Facebook
分享链接
摘要
为了检测风电机组发电机异常，减少由故障引起的机组停机事件的发生，提出了一种基于SCADA数据分析和单分类简化核极限学习机（OC-RKELM）建模的发电机状态监测方法。首先，在风电机组SCADA数据中选取出与发电机健康状态相关的特征，并参照风电机组的性能特性以及结合局部异常因子算法对数据进行清洗；其次，利用机组历史正常的行为数据训练OC-RKELM模型，探明机组正常工作的行为规律，进而基于该模型在线监测发电机运行状态，当其工作异常时及时实现预警；最后，通过与其他单分类方法的对比分析以及利用t-SNE可视化技术对所提方法的分析结果进行验证与评估。结果表明：OC-RKELM具有较好的健康状态监测效果，比其他的单分类方法能更早发现风电机组发电机工作异常。
-
单位特种装备制造与先进加工技术教育部; 浙江工业大学; 浙江运达风电股份有限公司
