科研之友
微信
新浪微博
Facebook
分享链接
摘要
以某风电场1.5 MW风力机风轮子系统为研究对象,对风力机全工况下的SCADA原始数据进行清洗和归一化处理,通过参数间相关性分析及不同隐含层数目的 Elman神经网络预测模型精度对比,建立风轮子系统线下预测模型;采用滑动窗口模型计算正常运行状态下的评价指标,基于小概率事件假设,获得风轮子系统评价指标的阈值,实现线上监测和运行状态评估。结果表明:该预警模型可实现对风轮子系统运行异常状态的识别和早期预警,且无需对异常数据或相关故障的先验知识进行挖掘和训练,该方法也可运用到整机及其他子系统的预警及状态评估中。
- 单位
