风机异常状态监测与关键参数预测方法研究

《风机异常状态监测与关键参数预测方法研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、硕士学位论文MASTERDISSERTATION论文题目风机异常状态监测与关键参数预测方法研究作者姓名赵文爽学科专业检测技术与自动化装置指导教师何群副教授2015年5月中图分类号：TP21学校代码：10216UDC：621密级：公开工学硕士学位论文风机异常状态监测与关键参数预测方法研究硕士研究生：赵文爽导师：何群副教授申请学位：工学硕士学科专业：检测技术与自动化装置所在单位：电气工程学院答辩日期：2015年5月授予学位单位：燕山大学ADissertationinDetectionTechnologyandAut

2、omaticEquipmentRESEARCHONABNORMALCONDITIONMONITORINGANDCRITICALPARAMETERSPREDICTIONOFWINDTURBINESbyZhaoWenShuangSupervisor:AssociateProfessorHeQunYanshanUniversityMay,2015燕山大学硕士学位论文原创性声明本人郑重声明：此处所提交的硕士学位论文《风机异常状态监测与关键参数预测方法研究》，是本人在导师指导下，在燕山大学攻读硕士学位期间独立进行研究工作

3、所取得的成果。论文中除已注明部分外不包含他人已发表或撰写过的研究成果。对本文的研究工作做出重要贡献的个人和集体，均已在文中以明确方式注明。本声明的法律结果将完全由本人承担。作者签字：日期：年月日燕山大学硕士学位论文使用授权书《风机异常状态监测与关键参数预测方法研究》系本人在燕山大学攻读硕士学位期间在导师指导下完成的硕士学位论文。本论文的研究成果归燕山大学所有，本论文的研究内容不得以其它单位的名义发表。本人完全了解燕山大学关于保存、使用学位论文的规定，同意学校保留并向有关部门送交论文的复印件和电子版本，允许论文被

4、查阅和借阅。本人授权燕山大学，可以采用影印、缩印或其它复制手段保存论文，可以公布论文的全部或部分内容。保密□，在年解密后适用本授权书。本学位论文属于不保密□。（请在以上相应方框内打“√”）作者签名：日期：年月日导师签名：日期：年月日摘要摘要当前风电行业发展迅速，为了更好地提高风力发电的经济效益，对风力发电过程的安全、可靠运行有了更高的要求，风力发电机组的异常状态监测、早期故障与关键参数的预测已成为当前研究的热点。为了更好的对风力发电机组运行过程中各子系统或部件进行远程监控、故障的统计与分析等，大型风电机组都具备

5、较为完善的监控与数据采集(SupervisoryControlAndDataAcquisition,SCADA)系统。SCADA系统中记录了大量的机组运行状态与故障信息，如何利用数据信息进行机组的运行状态分析，并进行机组的运行维护与故障预测等有重要的意义。本文基于风电机组的SCADA系统运行数据，从风电机组异常状态监测与关键参数预测两方面展开研究，具体研究内容如下：(1)研究基于灰色关联分析的SCADA参数选取方法。总结了风电机组SCADA系统的原理及监测项目，针对其数据特征量大且相互关联不确定等特点，运用灰色

6、关联度对运行数据的特征关联性进行分析，作为选取建模特征参数的基础，降低建模难度，并减少模型训练时间。(2)研究基于SVDD的风机异常状态监测方法。讨论支持向量域数据描述(SupportVectorDataDescription,SVDD)的核函数参数选取问题，基于灰色关联度分析选取子系统或部件的特征量，建立基于SVDD的风电机组异常状态检测模型。该模型被应用于齿轮箱故障检测实例分析，并与随机选取特征量建模进行异常检测对比，证明所提方案的可靠性与准确性。(3)研究基于EEMD和AR建模的集成风速预测方法。运用EE

7、MD方法对风速时间序列信号进行分解，再通过自回归(Auto-Regressive,AR)模型分别对各IMF分量进行建模预测，最后通过最小二乘求权值进行集成，实现风速的短期预测。讨论EEMD-AR建模预测对比单一的时间序列AR建模预测、EMD-AR建模预测的优越性，并通过不同采样间隔的风速信号验证本文所提集成风速预测方法的可靠性与精确性。关键词：风电机组；SCADA系统；灰色关联分析；异常监测；支持向量域数据描述；风速预测I燕山大学工学硕士学位论文AbstractWindpowerindustryhasseent

8、herapiddevelopmentsintherecentyears.Meanwhileinordertoimprovetheeconomicbenefitsofwindpowerbetter,therearehigherrequirementsonthepowergenerationprocessandoperation.Theabnormalconditionmonitoring