摘要
随着国家对碳中和事业的重视与发展，风能作为新能源中储量较大的重要组成部分得到了广泛的关注。随之而来，风电行业得到了长足的发展，装机容量逐年上升。但是由于风力发电机组运行环境相对复杂，复杂的工况使得随着机组的长时间运行，机组故障频率也逐步提升。又因为机组布置较为分散，且多在偏远地区，现场运行人员一般无法及时对出现故障的机组进行维修，造成了许多运维上的困难和经济上的损失。尤其是主轴承，作为整个机械结构中较为容易出现故障，且整体的修理维护较为复杂的零件，为避免其发生严重故障，提高机组运行效率和经济效益，及早识别异常状况十分重要。通过对机组的建模分析，对系统运行状态进行监测并做出异常状态预警信息是重要的研究方向。 本文提出了一种基于SCADA数据的风力发电机组主轴承故障预警的方法，来解决目前因为技术发展局限而导致的主轴承故障率高、维护困难、成本高的问题。本文先介绍了风力发电机组的基本构造和常见故障，并对SCADA系统的原理进行了介绍。然后分析现有的各种相关故障预警和故障诊断的手段，对比优劣性，本文提出一种基于SCADA数据的故障预警方法，先提出了基于统计学原理和DBSCAN算法的数据处理方式，使用多种相关性分析指标对SCADA系统采集的数据进行评价，选择相关性较高的特征量作为预测主轴承温度的指标。采用几种机器学习算法，建立主轴承故障预警模型，对主轴承温度进行预测，并对比各种方法的预测精度，选取较为合适的预测模型，然后使用SPC统计控制原理结合滑动窗口思想的方法建立了一个决策模型，实现主轴承故障预警，并使用python进行编程完成了一个主轴承预警模块，为风电场运维人员提供更充足的维护时间，降低风电机组运维成本。
NETL