基于轴承温度模型的风电机组故障预测研究

作者：丁佳煜; 许昌; 葛立超; 杨杰; 许帅; 李云涛

来源：可再生能源, 2018, 36(02): 276-282.

DOI：10.13941/j.cnki.21-1469/tk.2018.02.018

• 风电机组
• 轴承温度
• 线性回归RBF神经网络
• 残差
• 故障预测

采用风电机组状态监测技术可有效提高机组运行的安全可靠性。轴承是风电机组能量传递的重要部件,轴承的状态评估对机组安全运行具有重要意义。文章基于主成分分析方法,选取影响机组轴承温度的参数,提出了改进的线性回归径向基函数神经网络方法,建立了正常运行状态下轴承的温度预测模型;通过机组运行数据的分析比较,采用滑动窗口残差统计方法对机组运行状态进行实时监视评价发现,发电机出现异常时,轴承温度呈现上升趋势,残差值超过设定的置信区间,从而能实现对故障的有效预测。文章的研究结果可为风电机组的安全高效运行提供参考。

• 单位
  河海大学; 中国能源建设集团湖南省电力设计院有限公司; 电气学院