基于机器学习算法与SCADA系统的风电机组变桨系统变频器的故障预警方法研究RESEARCH ON FAULT EARLY WARNING METHOD OF WIND TURBINE PITCH SYSTEM INVERTER BASED ON MACHINE LEARNING ALGORITHM AND SCADA SYSTEM
孟宪梁,梁伟,杨志,冯文新,柯超,尹立军
摘要(Abstract):
变桨系统是风电机组的关键设备,但由于风电机组长期处于复杂的工作环境,导致变桨系统故障成为风电机组故障中最常见的故障之一,而变桨系统变频器故障在变桨系统故障中的占比很高。基于此,提出了一种变桨系统变频器的故障预警方案,分析SCAdA系统数据,将机器学习算法应用于故障预警,并将模型温度残差作为故障预警的指标;然后,针对随机因素干扰模型温度残差的问题,提出采用滑动时间窗残差估计方法分析预警模型的温度残差趋势,依此判断变浆系统变频器的状态,进而评估变桨系统的运行状态;最后,以新疆维吾尔自治区某风电场的运行数据为例,对提出的变桨系统变频器的故障预警方法进行了验证,结果表明,在所建立的模型及滑动时间窗残差估计方法的基础上能及时对变浆系统变频器的潜在故障做出预警,验证了该方案的可行性和有效性。
关键词(KeyWords): 风电机组;SCAdA;变桨系统变频器;机器学习;故障预警
基金项目(Foundation):
作者(Author): 孟宪梁,梁伟,杨志,冯文新,柯超,尹立军
DOI: 10.19911/j.1003-0417.tyn20200803.01
参考文献(References):
- [1]甘槐樟,周鑫盛.风电场风机变桨系统故障分析[J].湖南电力,2012,32(6):35-37.
- [2]肖成,刘作军.基于SCADA系统的风电变桨故障预测方法研究[J].可再生能源,2017,35(2):278-283.
- [3]王伟,吕丽霞.基于机器学习的风电机组变桨系统故障预警[J].电力科学与工程,2019,35(10):73-78.
- [4]肖成,焦智.基于小波BP神经网络的风电机组变桨系统故障预测[J].可再生能源,2017,35(6):893-899.
- [5]熊中杰,邱颖宁.基于机器学习的风电机组变桨系统故障研究[J].太阳能学报,2020,41(5):85-90.
- [6]田彤彤.基于SCADA数据的风电机组变桨系统运行状态评估与预测研究[D].北京:北京交通大学,2017.
- [7]梅晓娟.基于改进SVM的风机SCADA系统故障分类识别方法研究[D].上海:上海机电学院,2015.
- [8]钟阳.基于数据统计分析的变桨系统故障预警方法[D].北京:华北电力大学,2015.