检索结果-南通市图书馆

系统仿真学报 2017年第2期29卷 374-380页

作者：李大中常城许炳坤华北电力大学自动化系河北保定071003

风电机组的状态检测对于提高机组运行水平及降低维护成本意义重大。利用非线性状态估计(NSET)方法建立齿轮箱轴承温度模型并用其进行轴承温度预测;针对观测向量选择缺乏理论依据的问题采用灰色关联度分析法验证变量选择的合理性;针对过... 详细信息

风电机组的状态检测对于提高机组运行水平及降低维护成本意义重大。利用非线性状态估计(NSET)方法建立齿轮箱轴承温度模型并用其进行轴承温度预测;针对观测向量选择缺乏理论依据的问题采用灰色关联度分析法验证变量选择的合理性;针对过程记忆矩阵存在数据冗余的问题采用相似度分析法构造简约过程记忆矩阵缩短建模时间。齿轮箱工作状态异常时模型的预测残差分布特性将发生变化,当残差均值或标准差超出设定阈值则给出预警。验证结果表明:基于样本优化的模型可以准确预测轴承温度并有较好的时效性,可以监测齿轮箱的运行状态。

关键词：风电机组齿轮箱轴承温度样本优化预测

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

根据PCA-GA-Elman的风机齿轮箱轴承温度预测

引用

机械科学与技术 2020年第11期39卷 1671-1675页

作者：贾依达尔·热孜别克袁逸萍孙文磊赵琴樊盼王炜超新疆大学机械工程学院乌鲁木齐830047

针对风电机组齿轮箱轴承温度易受随机因素影响及预测准确性低的问题,以准确预测短期内温度变化为目标,通过对风电机组齿轮箱轴承温度发展趋势的研究,提出一种主成分分析(Principal component analysis,PCA)、遗传算法(Genetic algorithm... 详细信息

针对风电机组齿轮箱轴承温度易受随机因素影响及预测准确性低的问题,以准确预测短期内温度变化为目标,通过对风电机组齿轮箱轴承温度发展趋势的研究,提出一种主成分分析(Principal component analysis,PCA)、遗传算法(Genetic algorithm,GA)及Elman神经网络结合的预测模型。该模型通过主成分分析对高维复杂原始变量进行降维,主成分(PC)作为经GA优化的Elman神经网络的输入。新方法充分考虑轴承温度发展趋势中的随机波动成分,挖掘历史数据变化规律。结果表明:新方法对轴承温度发展中的随机波动趋势拟合效果较好,稳定性、准确性均优于文中其他方法,能够有效实现轴承温度的精确预测。

关键词：风电机组齿轮箱轴承温度主成分分析遗传算法 Elman神经网络预测

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

基于SCADA运行数据的风电机组齿轮箱轴承温度预警研究

基于SCADA运行数据的风电机组齿轮箱轴承温度预警研究

引用

作者：贾依达尔·热孜别克新疆大学

学位级别：硕士

由于风电机组工况复杂多样,从而对其安全和稳定运行带来极大的挑战。据相关统计结果,齿轮箱轴承发生故障导致的停机时间往往最长,并且轴承的众多特性里,温度变化对于故障发生的敏感性较振动等其他信号更为直接,便于识别。因此,基于SCAD... 详细信息

由于风电机组工况复杂多样,从而对其安全和稳定运行带来极大的挑战。据相关统计结果,齿轮箱轴承发生故障导致的停机时间往往最长,并且轴承的众多特性里,温度变化对于故障发生的敏感性较振动等其他信号更为直接,便于识别。因此,基于SCADA运行数据对齿轮箱轴承温度的预测和预警进行研究,为掌握齿轮箱轴承的温度变化情况,及时发现异常的故障状态,避免因故障带来严重事故或高昂的维修成本,提供了理论指导和技术保证。本文以齿轮箱轴承温度预测和预警为研究目标,基于风电机组传感器齿轮箱轴承温度及其相关数据,进行了以下三点研究内容:(1)针对SCADA系统数据进行数据预处理,采用四分位距和时延相关性重构识别并修复数据中存在的坏数据,采用Relief F算法提取关键特征,针对提取的特征存在的信息重叠,经过主成分分析去冗余,完成模型输入数据的准备。(2)提出一种遗传算法(Genetic Algorithm,GA)优化Elman神经网络的风机齿轮箱轴承温度预测方法。该方法通过将随机产生的Elman网络权值、阈值输入遗传算法,通过算法迭代更新将适应度函数结果最佳的权值、阈值组合赋予Elman网络,再通过该网络预测齿轮箱轴承温度。经过优化的Elman网络运算效率提升,梯度下降的缺陷得到了解决,从而预测精度也较单模型更优。(3)提出一种融合卷积神经网络和长短时记忆神经网络的预测方法。该方法根据卷积神经网络对于一维特征张量的压缩和拼接实现高维张量的构建,再将这些高维张量介于注意力机制结合长短时记忆神经网络的隐含层输出,通过时序输出的方式实现轴承温度的预测。结合两种算法无论在空间维度还是时间维度上都充分挖掘了原始数据包含的信息,从而预测精度较传统模型更优。基于Matlab、Python环境实现了以上算法的编程,并对实际的齿轮箱轴承温度监测数据进行了分析和发展趋势的模拟仿真,通过和真实数据的对比,本文提出的方法能够有效预测齿轮箱轴承温度的变化趋势,能够有效预警异常温升的发生,与自回归移动平均模型(Autoregressive Integrated Moving Average model,ARIMA)、支持向量机以及单模型Elman网络等传统时序算法相比较,本文方法具有明显优势,能够实现齿轮箱轴承异常温升的预警。

关键词：风电机组齿轮箱轴承温度 SCADA GA-Elman CNN-LSTM 预测与预警

来源：

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于风电机组SCADA数据的齿轮箱轴承故障预警研究

基于风电机组SCADA数据的齿轮箱轴承故障预警研究

引用

作者：李少伟广东海洋大学

学位级别：硕士

风电机组由于长期处于复杂载荷运行工况中导致机组故障率高,其中齿轮箱所发生的故障次数和造成的停机时间较多,而齿轮箱轴承发生故障更是占齿轮箱故障半数以上。为了风电机组的稳定运行减少故障带来的经济损失,提前对齿轮箱轴承故障进... 详细信息

风电机组由于长期处于复杂载荷运行工况中导致机组故障率高,其中齿轮箱所发生的故障次数和造成的停机时间较多,而齿轮箱轴承发生故障更是占齿轮箱故障半数以上。为了风电机组的稳定运行减少故障带来的经济损失,提前对齿轮箱轴承故障进行预警成了亟需解决的问题。在轴承众多的特性中,轴承温度的变化可以直接表现出当前轴承的状态。因此,基于风电机组数据采集与监控系统（Supervisory Control and Data Acquisition,SCADA）的数据对齿轮箱轴承进行温度预测和故障预警研究,可为及时掌握轴承运行状态,对其制定合理的检修策略提供技术保证。本文以江苏某风场的H151-5.0MW双馈异步风电机型为研究对象,预警齿轮箱轴承温度为目标。文章首先对该机组齿轮箱结构和齿轮箱轴承故障时温度的信息进行分析。其次在风电机组SCADA运行数据中选取关于齿轮箱轴承温度相关的特征参数,对数据进行预处理,运用风机运行机理和孤立森林等去除与修复坏数据,后续采用灰色关联度分析计算各特征参数和齿轮箱轴承温度的关联度,去除冗余信息选取10个相关度高的特征参数作为输入参数参与预测模型的构建。采用贝叶斯优化的轻量梯度提升机（Light Gradient Boosting Machine,Light GBM）对轴承温度进行预测,通过贝叶斯不断迭代更新目标函数的后验分布来调整参数使得模型在更短的时间内得到较高的预测精度;为了提高预测的准确率提出了一种结合两种树模型和神经网络模型的组合模型对轴承温度进行预测,利用三种算法取长补短从而进一步提高预测精度和泛化能力。将Light GBM的预测值与极端梯度提升树（e Xtreme Gradient Boosting,XGBoost）线性组合再加权融合长短期记忆网络（Long short-term memory,LSTM）对轴承温度进行预测。通过平均绝对值误差（Mean Absolute Error,MAE）、均方误差（Mean squared error,MSE）、决定系数（R-squared,R）三个评价指标对比,提出的组合预测模型相较于其他模型具有更高的预测精度。最后基于滑动时间窗口分析其轴承温度的预测值和真实值之间的残差的均值和标准差来进行轴承故障的预警。通过对江苏某风场实际的运行故障数据验证了其模型的预测精度和预警分析的有效性,为后续运维安排提供技术支持,减少风电场经济损失。

关键词：风电机组 SCADA 齿轮箱轴承温度 LightGBM 组合模型

来源：

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

欢迎您,

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

在线全文

在线全文

请选择保存的检索档案：

请选择收藏分类：

通借通还

欢迎您,

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

在线全文

在线全文

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：