基于SCADA系统的风电机组 主轴承故障预警方法

摘要：

针对风电机组主轴承故障率高 、运维成本高的问题,提出一种基于数据采集与监视控制(SCADA)系统的风电机组主轴承故障预警方法.通过相关性分析法分析SCADA系统的历史数据,提取风速 、发电机输出功率 、机舱温度 、主轴承(t-1)时刻温度作为主轴承故障特征变量.采用粒子群优化BP神经网络算法,建立主轴承故障预警模型,优化BP神经网络的权值和阈值,防止BP神经网络算法陷入局部极小值.基于该模型的湖南某风电场主轴承故障预测算例结果表明:该预警模型可以有效提高预测的精度,实现主轴承故障预警,为风电场运维人员提供更充足的维护时间,降低风电机组运维成本.

关键词：风电机组、主轴承、数据采集与监视控制系统、故障预警、粒子群优化算法、BP神经网络

所属期刊栏目：34

分类号：TM614;TK83(发电、发电厂)

资助基金：中国外国专家局高端外国专家项目GDT20154300072

在线出版日期：2019-11-19（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：223-228