基于SCADA数据特征提取的风电机组变桨轴承状态识别

陈茜; 李文明; 苏亮

doi:10.13599/j.cnki.11-5130.2024.06.008

English Version Journal Login

您当前的位置：

首页 >

文章列表页 >

基于SCADA数据特征提取的风电机组变桨轴承状态识别

更新时间：2026-07-27

- 基于SCADA数据特征提取的风电机组变桨轴承状态识别
- Vol. 47, Issue 6, Pages: 24-27(2024)
- 作者机构：
  
  五凌电力有限公司新能源分公司
- 作者简介：
- 基金信息：
- DOI：10.13599/j.cnki.11-5130.2024.06.008
  CLC： TM315
- Published：2024
- 稿件说明：
移动端阅览
陈茜, 李文明, 苏亮. 基于SCADA数据特征提取的风电机组变桨轴承状态识别[J]. 2024, 47(6): 24-27.
DOI：

陈茜, 李文明, 苏亮. 基于SCADA数据特征提取的风电机组变桨轴承状态识别[J]. 2024, 47(6): 24-27. DOI： 10.13599/j.cnki.11-5130.2024.06.008.

摘要

针对风电机组变桨轴承磨损和断裂两种主要故障类型，基于机组SCADA数据分析，利用Relief-F特征参数提取，得到了变桨轴承故障主要的特征参数。再通过PCA主成分分析法对SCADA数据进一步除杂和优化，减少了输入样本的误差和数量。最后，运用ELM学习机对变桨轴承磨损和断裂状态进行识别，结果表明该方法能够准确识别变桨轴承状态，其准确率和诊断速率也明显高于常用的BP神经网络学习和SVM支持向量机。

Abstract

关键词

Keywords

references

张新国,姚兵印,卢正欣.1.5MW风力发电机组变桨轴承开裂失效分析[J].金属加工(热加工),2019(10).

朱丽娜,王学杰,张进杰.基于ReliefF-PCA和SVM的发动机故障诊断方法研究[J].北京化工大学学报(自然科学版),2018(01).

李辉,杨超,李学伟,季海婷,秦星,陈耀君,杨东,唐显虎.风机电动变桨系统状态特征参量挖掘及异常识别[J].中国电机工程学报,2014(12).

张镇,关书强.风电机组故障统计分析研究[J].风能,2013(08).

景国勋,邢丽华,邓奇根.基于PCA-ELM的地震死亡人数评估[J].安全与环境学报,2020(02).

Jie Zhang,Yanjiao Li,Wendong Xiao.Adaptive online sequential extreme learning machine for dynamic modeling[J].Soft Computing,2020.

顾婷.大数据分析在某风场变桨轴承失效问题的应用[A].第七届中国风电后市场交流合作大会,2020.

Views

下载量

CSCD

Alert me when the article has been cited

提交

Tools

Publicity Resources

浅析风力发电机组状态预警系统的应用

风电机组部件故障风险评估方法研究

某电站7号水轮发电机组上机架振动报警溯源与治理研究

沙沱水电站副厂房空调布置方式对气流组织影响研究

水电厂电气设备智能化检修与自适应预防性试验方法

Related Author

张云

王劲松

阳敏

张弛

Related Institution

五凌电力有限公司

AI问答

⁰