基于自学习概率模型的风电机组故障诊断方法
风电场一般处于偏远地区,故障率较高且难维护.有效的故障诊断系统能够提供日常的维护建议和有针对性的维修计划,从而降低风电场的维护成本,提升其产量.本文对风电机组的监控数据进行分析、分类,提出一种基于条件概率分布的数据异常状态自学习评估方法,定义了数据异常度的评价指标,该指标可在统一值域范围内表征各类监控数据偏离正常状态的方向与程度,实现了基于数据的风电机组低成本故障诊断.算例利用风电场历史数据进行了训练与验证,结果表明基于该自学习概率模型的故障诊断方法可有效反映风电机组的异常状态信息.
风电机组 故障诊断 条件概率分布 自学习
佘慎思 缪勇
上海电气输配电集团技术中心,200042,上海
国内会议
上海市电机工程学会、上海市电工技术学会第十二届(2016年)学术年会
上海
中文
4-8
2016-11-01（万方平台首次上网日期，不代表论文的发表时间）