基于大数据分析的风力发电机组故障预警技术研究与应用

《基于大数据分析的风力发电机组故障预警技术研究与应用》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、分类号：ＴＫ８单位代码：１０１８３１研究生学号：２０５５５Ｅ０４１密级：公开吉林大学硕士学位论文专业学位（）基于大数据分析的风力发电机组故障预警技术研究与应用Ｒｅｓｅａｒｃｈａｎｄａｐｐｌｉｃａｔｉｏｎｏｆｆａｕｌｔｗａｒｎｉｎｇｔｅｃｈｎｏｌｏｇｙｆｏｒｗｉｎｄｔｕｒｂｉｎｅｂａｓｅｄｏｎｂｉｄａｔａａｎａｌｓｉｓｇｙ作者姓名：刘洋广类别：工程硕士领域（方向）：电气工程指导教师：李振峰副教授校外合作导师：辛克锋高级工程师培养单位：仪器科学与电气工程学院２０１８年１１月基于大数据分析的风力发

2、电机组故障预警技术研究与应用Ｒｅｓｅａｒｃｈａｎｄａｐｐｌｉｃａｔｉｏｎｏｆｆａｕｌｔｗａｒｎｉｎｇｔｅｃｈｎｏｌｏｆｏｒｇｙｗｉｎｄｔｕｒｂｉｎｅｂａｓｅｄｏｎｂｉｇｄａｔａａｎａｌｙｓｉｓ作者姓名：刘洋广领域（方向）：电气工程指导教师：李振峰副教授校外合作导师：辛克锋高级工程师学位类别：工程硕士答辩日期：２０１８年／Ｘ日／未经本论文作者的书面授权，依法收存和保管本论文书面版本Ｖ电子版本的任何单位和个人，均不得对本论文的全部或部分内容进行任何形式的复制、修改、发行、出租、改编等有碍作者著作权的商业性

3、使用（但纯学术性使用不在此限）。否则，应承担侵权的法律责任。吉林大学硕士学位论文原创性声明本人郑重声明：所呈交的硕士学位论文，是本人在指导教师的指导下，独立进行研宄工作所取得的成果。除文中已经注明引用的内容夕卜，本论文不包含任何其他个人或集体已经发表或撰写过的作品成果。对本文的研宄做出重要贡献的个人和集体，均己在文中以明确方式标明。本人完全意识到本声明的法律结果由本人承担。学位论文作者签名：力＿／｜曰期：年曰分１摘要基于大数据分析的风力发电机组故障预警技术研究与应用随着风电产业在全世界范围内的迅速增长，风力发电越来越渗透入电力系统当中。

4、对风电机组运行状态的准确预测及故障预警能够有效提升风电机组运行的稳定性。目前，风电机组大多配备了数据采集与监视控制系统(SCADA,SupervisoryControlandDataAcquisition)系统，其能够采集并记录机组全方位的运行状态信息，为机组运行状态评估提供了可靠的大数据来源，如何有效分析这些数据，开展机组故障的预警，是风电场稳定运行研究的热点。为对风电机组运行状态进行故障预警，本文利用历史和实时SCADA系统数据、风电场运维数据、气象数据作为测试数据和风电场地理信息系统（GeographicInformationSystem,GIS）数据等信息作为样本，开

5、展风电机组的电量分析、全场功率预测、风机叶片结冰预测、风电机组机械状态预测、单机功率曲线对标预测以及风机机舱风速预测准确性修正等六个方面的研究。首先对根据一定规则对上述数据进行清洗；其次利用SCADA数据并结合广义线性回归（GLM）算法构建线性模型对各风电机组的电量进行分析；基于ARIMA算法构建全场功率预测模型，利用历史风速、风向、温度、功率、偏航数据用于模型的训练，利用当前响应数据进行模型的预测；利用历史运维数据、振动信号、风速、功率、角度等参数，结合Pearson相关系数分析风机叶片结冰的影响因素，基于决策树算法对叶片结冰的概率进行预测；挖掘振动信号、温度、风机转速等参

6、数，利用ARMA算法或BP神经网络建立风电机组机械状态预测模型；利用SCADA相关数据、天线数据等参数，基于ARIMA算法建立预测模型，利用预测风速和当前天气因素对单机功率的预测结果进行修正；挖掘期限数据、GIS数据、SCADA数据等参数，建立基于K-meansI的进行性风机群聚类算法，使用GLM算法构建模型，开展风速预测修正。本文研究结果在大唐新能源风电大数据物联网智能分析平台上进行应用。以扎鲁特东山风电场数据对预警方法进行验证，结果表明本文提出的方法有效的实现了电量分析、风机叶片结冰预测的风电机组机械状态的预测。关键词：大数据分析，风电机组，故障预警，SCADAIIAbs

7、tractResearchandapplicationoffaultwarningtechnologyforwindturbinebasedonbigdataanalysisWiththerapidgrowthofthewindpowerindustryworldwide,windpowerisincreasinglypenetratingintothepowersystem.Accuratepredictionofwindturbineoperatingconditionsandfaultwarnin