基于改进SVM的风机SCADA系统故障分类识别方法研究-电气工程专业论文.docxVIP

上海 上海电机学院硕士学位论文 万方数据 万方数据 基于改进 SVM 的风机 SCADA 系统故障分类识别方法研究 摘 要 目前，风机远程监控系统一般都采用数据采集与监控（SCADA） 系统。然而，在实际风机运行中，由于风机本身硬件结构、系统保护 以及外部复杂环境等的影响，风机有时会因一个故障引发同一时间内 的一连串故障。目前的 SCADA 系统会同时显示出一系列的故障报警 信号，但无法显示出真正的故障源，造成故障的无法自动识别，使得 风电维护人员（工人师傅）很难找到最初的故障源。因此只能根据个 体的经验去判断故障源，逐一排除不正确的故障源，这耗费了很多人 力物力，同时也增加了停机时间。因此，如何快速的找到故障源，减 少维修时间，提高有效运行时间变得十分关键。基于这样的背景，结 合上海电气集团风电公司的在研 SCADA 系统项目，本文提出了通过 算法的训练学习建立智能故障专家库的方法，使其能智能化的识别故 障。本文主要研究内容如下： 针对上述提出的问题，本文将同一时间内发生的大量故障信息作 为故障特征进行训练，将经验值作为分类类别，构建较好的 SVM 分 类器，以此来完成故障的自动分类识别,从而建立起故障专家库，从而 加快了故障排查的时间，提高维修效率。 针对支持向量机（SVM）分类器中的重要参数 c 、g 。本文利用量 子遗传算法（QGA）来找寻最佳 c 、 g 值。为解决 Q