基于RBF神经网络的风电机组变桨系统故障预警

摘要：

提出一种基于RBF神经网络模型的风电机组变桨系统故障预警方法.根据SCADA系统监测的参数,采用相关性分析,筛选出与功率相关性强的变桨系统输入参数,建立正常工况下的RBF神经网络变桨系统模型进行分析.同时建立支持向量机(SVM)故障分类器对变桨系统主要两类故障和正常工况进行识别.验证结果表明:利用相关系数确定的输入参数较为合理,采用RBF神经网络建立的变桨系统模型精度较高,且故障分类器可有效识别故障类型,进一步证实模型所选参数合理.结合滑动窗口和核密度估计法计算变桨系统运行状态指标并确定预警阈值,实现风电机组变桨系统的故障预警.实例表明该方法可在故障发生前及时给出预警,验证了此方法的有效性.

关键词：风电机组、变桨系统、RBF神经网络、支持向量机、滑动窗口、故障预警

所属期刊栏目：36

分类号：TK81(风能、风力机械)

在线出版日期：2021-03-25（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：37-43