基于数据的风电机组发电机健康状况评估

作     者：张静 李柠 李少远 黄猛 ZHANG Jing;LI Ning;LI Shaoyuan;HUANG Meng

作者机构：上海交通大学自动化系上海200240 上海电气风电集团有限公司上海201199 

出 版 物：《信息与控制》 (Information and Control)

年 卷 期：2018年第47卷第6期

页      面：694-701,712页

核心收录：

学科分类：0820[工学-石油与天然气工程] 0810[工学-信息与通信工程] 1205[管理学-图书情报与档案管理] 080801[工学-电机与电器] 0808[工学-电气工程] 08[工学] 0802[工学-机械工程] 0811[工学-控制科学与工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：国家自然科学基金资助项目(61773260 61590925) 国家973计划基金资助项目(2014CB249200) 国家863计划基金资助项目(2015AA043102) 上海市科委项目(15dz1206700) 

主　　题：发电机 相关性分析 高斯混合模型 在线健康评估 健康衰退指标 

摘      要：发电机是风电机组中的关键部件,然而由于运行环境恶劣、内部结构复杂,发电机发生故障的概率较高且维修困难.针对此问题,提出了一种基于SCADA(supervisory control and data acquisition)数据的发电机健康状况的评估方法.首先结合专家经验并分析状态变量间的相关性,识别出与发电机运行状态具有较强关系的变量和冗余变量,在此基础上进行合理的特征选择.然后利用历史多维状态信息,采用发电机健康运行时的数据建立基于高斯混合模型(GMM)的健康基准模型.最后设计一种基于马氏距离的健康衰退指标(HDI)用于评判发电机的健康状况.利用上海电气某风场2016年的SCADA数据对本文方法进行验证,结果表明,该方法可以准确地跟踪发电机运行状态的变化过程,起到了很好的故障早期识别作用且具有普适性.