基于自适应人工智能AI算法的风机传动链健康预警软件和应用

谭振国; 刘旭东

doi:10.13599/j.cnki.11-5130.2024.06.012

欢迎来到能源电力期刊网！

English Version 期刊登录

您当前的位置：

首页 >

文章列表页 >

基于自适应人工智能AI算法的风机传动链健康预警软件和应用

电气及自动化 | 更新时间：2026-07-27

- 基于自适应人工智能AI算法的风机传动链健康预警软件和应用
- 基于自适应人工智能AI算法的风机传动链健康预警软件和应用
- 水电站机电技术 2024年47卷第6期页码：40-43
- 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.11-5130.2024.06.012
  中图分类号： TM315;TP18
- 纸质出版：2024
- 稿件说明：
移动端阅览
谭振国, 刘旭东. 基于自适应人工智能AI算法的风机传动链健康预警软件和应用[J]. 水电站机电技术, 2024,47(6):40-43.

谭振国, 刘旭东. 基于自适应人工智能AI算法的风机传动链健康预警软件和应用[J]. 2024, 47(6): 40-43.
谭振国, 刘旭东. 基于自适应人工智能AI算法的风机传动链健康预警软件和应用[J]. 水电站机电技术, 2024,47(6):40-43. DOI： 10.13599/j.cnki.11-5130.2024.06.012.

谭振国, 刘旭东. 基于自适应人工智能AI算法的风机传动链健康预警软件和应用[J]. 2024, 47(6): 40-43. DOI： 10.13599/j.cnki.11-5130.2024.06.012.

摘要

旨在解决风力发电行业面临的风机传动链部件故障带来的运营和维护挑战。基于模型的方法和基于数据驱动的方法，采用自适应人工智能算法，结合设备模型和故障样本数据，实现对风机传动链部件故障的预警模型识别。通过分析风机历史运行数据，运用高斯混合模型原理和数据预处理模块清洗和处理数据，构建针对风机传动链的故障特征指标，利用机器学习方法训练模型，实现故障预警。同时，建立邻近风机选取方法和温度比较模型，对比实现故障报警，提高风电场运维效率，节约维护成本，取得了显著的经济效益。可进一步推广至更多新能源场站，与生产管理系统结合使用，提升综合管理水平，进一步优化预警效果，为风力发电行业的安全性和经济性提供更好的保障。

Abstract

关键词

Keywords

references

顾煜炯,宋磊,徐天金,雷启龙.变工况条件下的风电机组齿轮箱故障预警方法[J].中国机械工程,2014(10).

高胜利,赵小荣,申强.风力发电机组齿轮箱故障诊断[J].电力电子技术,2011(10).

赵俊华,文福拴,薛禹胜,林振智.云计算:构建未来电力系统的核心计算平台[J].电力系统自动化,2010(15).

汪光阳,周义莲.风机振动故障诊断综述[J].安徽工业大学学报(自然科学版),2006(01).

黎洪生,何岭松,史铁林,杨叔子.基于因特网远程故障诊断系统架构[J].华中科技大学学报(自然科学版),2000(03).

张光.基于温度量的风电机组传动链状态评估与预测[D].华北电力大学(北京),2018(04).

浏览量

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

水电厂电气设备智能化检修与自适应预防性试验方法

正界农业光伏发电系统设计与年发电量预测

长距离大电流封闭母线全息监测系统在水布垭电站的应用

水电站大语言模型应用的安全治理研究

直流接地故障诊断技术研究