基于SCADA数据驱动的风力机齿轮箱运行状态评估及预警

摘要：

目前对于风力机齿轮箱的预警主要是以分析振动信号和温度参数为主,但前者需要安装额外的传感器,成本较高,后者有一定的时间延迟.因此提出了基于风力机运行参数和BP神经网络的风力机齿轮箱运行状态评估与预警模型,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建立线下预测模型;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,获得评价指标的阈值,实现线上监测和运行状态评估.并以某风电场1.5 MW风力机齿轮箱子系统故障为例验证该方法,结果表明:该预警模型可以实现对齿轮箱子系统运行异常状态的识别和早期预警,且不需要对异常数据或相关故障的先验知识进行挖掘和训练.

关键词：SCADA系统、神经网络、风力机、齿轮箱、故障预测、状态评估

所属期刊栏目：36

分类号：TM315(电机)

资助基金：北京市自然科学基金资助项目4182061

在线出版日期：2021-03-03（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：1-6