工学硕士毕业论文-基于神经网络的风力发电机组状态监测的研究23481.doc.docxVIP

摘　　要 Abstract 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 Date of Oral Examination： Mar. 2007 University： Northeast 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。 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。再利用得到的属性集作为输入建立风电机组发电机温度的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：发电机、状态监测、粗糙集、BP模型、滑动窗口 Abstract Keywords: wind turbine generator, condition monitoring, rough set, BP models, slipping windows 东北电力大学硕士学位论文 目　　录 -3- 目　　录 TOC \o 3-3 \h \z \u \t 标题 1,1,标题 2,2 HYPERLINK \l _Toc349123426 第1章 绪论 PAGEREF _Toc349123426 \h - 1 - HYPERLINK \l _Toc349123427 1.1 风力发电的背景及意义 PAGEREF _Toc349123427 \h - 1 - HYPERLINK \l _Toc349123428 1.2 风力发电机组状态监测技术 PAGEREF _Toc349123428 \h - 2 - HYPERLINK \l _Toc349123429 1.2.1 风力发电机组状态监测的必要 PAGEREF _Toc349123429 \h - 3 - HYPERLINK \l _Toc349123430 1.2.2 国内外研究现状 PAGEREF _Toc349123430 \h - 4 - HYPERLINK \l _Toc349123431 1.3 本课题研究意义及内容 PAGEREF _Toc349123431 \h - 6 - HYPERLINK \l _Toc349123432 1.3.1 研究意义 PAGEREF _Toc349123432 \h - 6 - HYPERLINK \l _Toc349123433 1.3.2 研究内容 PAGEREF _Toc349123433 \h - 7 - HYPERLINK \l _Toc349123434 第2章 风电机组发电机结构及SCADA监测参数 PAGEREF _Toc349123434 \h - 8 - HYPERLINK \l _Toc349123435 2.1 风力发电机组发电机结构 PAGEREF _Toc349123435 \h - 8 - HYPERLINK \l _Toc349123436 2.2