基于数据挖掘的风电机组变桨系统劣化状态在线辨识方法

是 否 +2 论坛币

k人 参与回答

经管之家送您一份

应届毕业生专属福利!

求职就业群

赵安豆老师微信：zhaoandou666

经管之家联合CDA

送您一个全额奖学金名额~ !

立即领取

感谢您参与论坛问题回答

经管之家送您两个论坛币！

+2 论坛币

摘要：传统阈值法难以及时准确地辨识出运行设备的劣化状态，针对风力发电机组实施状态检修工作的要求，提出一种风机变桨系统劣化状态在线辨识方法。在阐述风机变桨控制原理和变桨系统监测参数的基础上，建立了以风速、有功功率为输入，风轮转速、3个叶片的桨距角和变桨驱动电流为输出的非线性多输入多输出（multiinputmultioutput，MIM01系统回归模型。将系统特征向量实测值与最小二乘支持向量机（1eastsquaresupportvectormachines，LSSVM）回归计算结果间的偏离定义为系统“观测值”。接着采用高斯混合模型（Gaussianmixturemodel，GMM）拟合多维观测值的分布，并利用风机数据采集与监控系统（supervisorycontrolanddataacquisition，SCADA）中的数据计算系统劣化指数，实现系统状态的在线辨识。最后，以一台发生过变桨轴承保持架和滚动体损坏故障的风机为对象，进行了实例验证，证明了所建模型的准确性和有效性。

原文链接:http://www.cqvip.com//QK/90021X/201609/668820304.html

送人玫瑰，手留余香~如您已下载到该资源，可在回帖当中上传与大家共享，欢迎来CDA社区交流学习。（仅供学术交流用。）

扫码加我 拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

分享0 收藏0 回帖

关键词：数据挖掘 电机组 Acquisition Supervisory supervisor 风力发电机组 变桨系统 状态辨识 支持向量机 高斯混合模型