华北电力技术2017，Issue(4) ：44-49.DOI:10.16308/j.cnki.issn1003-9171.2017.04.005

考虑样本优化的风电机组齿轮箱轴承故障预测

Wind Turbine Gearbox Bearing Fault Prediction with Sample Optimization

姚万业 邸帅 宋鹏 吕猛
华北电力技术2017，Issue(4) ：44-49.DOI:10.16308/j.cnki.issn1003-9171.2017.04.005
✕
  • NETL
  • NSTL
  • 维普
  • 万方数据

考虑样本优化的风电机组齿轮箱轴承故障预测

Wind Turbine Gearbox Bearing Fault Prediction with Sample Optimization

姚万业 1邸帅 2宋鹏 3吕猛1
扫码查看

作者信息

  • 1. 华北电力大学,河北保定071003
  • 2. 华北电力大学,河北保定071003;国网冀北电力有限公司电力科学研究院(华北电力科学研究院有限责任公司),北京100045
  • 3. 国网冀北电力有限公司电力科学研究院(华北电力科学研究院有限责任公司),北京100045
  • 折叠

摘要

由于风电机组SCADA(supervisory control and data acquisition)系统包含较多冗余信息并且数据之间具有较大耦合性,因此在数据挖掘过程中进行样本优化意义重大.文章采用非线性状态估计(NEST)方法建立齿轮箱轴承温度模型并用其进行轴承故障预测,首先采用灰色关联度分析法为选择观测向量提供理论依据,再采用相似度分析法构造简约过程记忆矩阵,使其在不冗余的情况下尽可能覆盖齿轮箱全部正常工作状态以实现样本优化,进而当齿轮箱发生故障时,通过简约矩阵训练的模型残差将较早超出阈值并提前进行预警.最后结合某风电机组实际运行数据进行仿真分析,验证了模型的时效性与优越性.

关键词

齿轮箱/故障预测/相似度分析/非线性状态估计

引用本文复制引用

出版年

2017
华北电力技术
华北电网有限公司,华北电力科学研究院有限责任公司

华北电力技术

影响因子：0.521
ISSN：1003-9171
被引量3
参考文献量4
段落导航相关论文