计及信息不确定性的风电机组健康状态实时评估方法

摘要：

运行工况识别作为风电机组状态监测与健康管理领域的重要环节,往往受到不确定信息以及高速实时数据流的影响,造成健康状态评估难以有效实施.在此背景下,文中提出一种基于Spark流式处理的健康状态实时评估方法.首先,采用大数据分析技术实现风电机组运行工况的空间划分;然后,在充分考虑风电机组监测信息不确定性的情况下,结合数据采集与监控(SCADA)历史运行数据,对基于高斯云模型和高斯云变换的健康状态评估模型进行训练,并以健康指数作为风电机组健康状态评估的指标.最后,将该评估方法应用在中国北方某风电场1.5 MW风电机组故障前的健康状态评估中.算例分析结果表明,该方法可监测到风电机组健康状态的变化趋势,初步实现了故障的早期预警.

关键词：风电机组、预测与健康管理、Spark流式处理、高斯云变换、高斯云模型

所属期刊栏目：41

分类号：TM7;F8

资助基金：National Natural Science Foundation of China51407076;Hebei Provincial Natural Science Foundation of ChinaF2014502050;Fundamental Research Funds for the Central Universities No.2015ZD28.国家自然科学基金资助项目51407076;河北省自然科学基金资助项目F2014502050;中央高校基本科研业务费专项资金资助项目2015ZD28

在线出版日期：2017-12-06（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：111-117