基于RBF神经网络的风力发电机组故障诊断研究.pdf

2009年第3l卷 电气传动自动化 VoI．3l。No．2 第2期第18页 ELECTRICDRlVEAUToMATloN 2似9。31(2)：18—20 基于RBF神经网络的风力 发电机组故障诊断研究 杨伟，贾石峰 (兰州交通大学自动化与电气T．程学院。甘肃兰州730070) 摘要：风力发电机组是一个复杂的机电系统，采用整机诊断模式将使系统非常复杂，诊断效果也不理想；采 用两层诊断模式不但实现起来简单。而且可以获得很好的诊断效果。使用RBF神经网络对发电机予系统进 行故障诊断，仿真结果表明该诊断方法满足要求。 关键词：风力发电机组；故障诊断；神经网络；RBF 中图分类号：rIM315 文献标识码：A FaIIlt f．orwindturbinebasedon肚FneuraInetwork diagnosis YANGwet．JlA shi—fe·喈 (＆矗蒯。厂AH幻删汛硎歇c娩d阮妇e嘲萄￡瓣概衄幻增如扬哪如三瓣如拄730070，C危姚) Abstract：Becau8ewindturbineisa mech蛐ic8landelectrical forwhole complex 8ystem，usif唱di哪妒osticⅡIode windturbinewillbea e仃ect mo(1el verycomplex is彻l髓tisfyjng；diagflosis system，diagnostic using附。一王ayefed iBnot the could effect．RBFneuralnetwo“‘willbeusedto oIIlysimple，butdiagn08isgetvery900d diagno∞for t王le to the fIlethodsmeetde咖ndwillbe simulationresults． genemtorsubsystem，袖ddiagnostic pmvedby words：wind Key turbine；蠡mlt netw【rk；RBF diag肿sis；neuml l 引言 的方法，不失为一种有效的手段【2|。 因此，风力发电机组的故障诊断应该分两个 能源问题是当今社会急需解决的问题之一。 层次进行：首先，由各个子系统的实时采集数据与 对可再生能源的开发和利用，特别是对风能的开 该子系统的额定参数对比，判断故障出现的子系 发利用。已经受到全人类的普遍关注。风力发电机 统，这是第一层诊断；其次，再对该子系统进一步 作为风能转化为电能的基础设施在整个风力发电 系统中有着举足轻重的作用，因此对它进行准确、