工学硕士基于神经网络风力发电机组状态监测研究.docVIP

工学硕士学位论文 基于神经网络的风力发电机组状态监测的研究 宋谷月 ××××年×月 图书分类号： U.D.C.: 工学硕士学位论文 基于神经网络的风力发电机组状态监测的研究 硕士研究生： 导 师： 副 导 师： 申请学位级别： 学 科、专 业： 所 在 单 位： 答 辩 日 期： 授予学位单位：东北电力大学 Classified Index: U.D.C. Dissertation for the Master’s Degree in Engineering ( or in Management) Study on the Simulation and Broadcasting of Urban Air Quality Candidate： Dong Xiangyuan Supervisor： Prof. Li Shaohua Associate Supervisor： Prof. Li Mingde Academic Degree Applied for： Master of Engineering(or Management) Speciality： Thermal Power Engineering Affiliation： School of Energy Resource and Mechanical Engineering Date of Oral Examination： Mar. 2007 University： Northeast Dianli University 摘 要 风力发电作为一种清洁的可再生能源利用方式，近年来在世界范围内获得了飞速的发展，其中风力发电机组大型设备状态监测成为风电研究领域的重要组成部分。发电机是风电机组的重要部件之一，其发生故障后维修成本高，过程复杂。根据运行数据建立发电机温度模型对其进行预测并分析预测残差变化，可以及早发现其早期故障隐患 本课题详细分析了风力发电机组状态监测的现状根据变量测量位置和作用的不同，SCADA数据进行分析及分类，深入研究SCADA数据。针对预测模型输入的属性选择问题，首先采用改进的贪心算法将连续属性进行离散化处理，约简掉部分对预测量不发生影响的属性。然后将遗传算法与粗糙集理论相结合进行属性约简，得到对预测量影响较大的属性集。BP状态监测模型。 在风力发电机组非参数预测模型的残差统计方法中，合适的滑动窗口能够消除由于测量误差，机组启停等偶然因素造成的孤立的较大残差的影响。本文详细分析了滑动窗口残差统计的方法及原理，指出了滑动窗口具有能够抑制孤立异常残差的作用，并利用BP预测模型加以验证。 关键词： Abstract As a clean and renewable utilize way, the wind power has been developed worldwide in recent years, and the condition monitoring of the large equipment of the wind power units has become the important part. Generator is one important component for wind turbine. Its failure will result in high maintenance cost. With constructing generator temperature model and analyzing the residuals of the model prediction, incipient generator failure could be detected. We analysis the current situation of the condition monitoring on the wind power unit in details. According to the difference of the variables’ measure position and role, to analyse and classify the SCADA data, and study the SCADA data furtherly. As to the variable selection problem in model construction, firstly uses the greedy algorithm to discrete the attributes. Then rough set theory and genetic