公共文化服务平台

共 8 条记录，以下是 1-7

全选清除导出

排序方式：

基于SCADA数据的风电机组齿轮箱状态监测方法被引量：12: 2021年; 为解决故障劣化渐变过程的长时间序列对齿轮箱状态监测模型的影响问题,提升其决策精度,提出一种基于数据采集与监控(SCADA)数据的组合建模方法。首先,采用主成分分析法(PCA)选取与齿轮箱温度密切相关的输入观测向量,并应用长短期记忆(LSTM)神经网络分别对齿轮箱正常工况和异常工况独立建立温度模型;其次,结合模型输出结果与SCADA数据提取残差分布特征向量,建立随机森林残差分布模型对机组齿轮箱运行状态进行监测;最后,对某大型风电场机组进行模型建立和仿真研究。结果表明,基于LSTM神经网络结合随机森林算法对风电机组齿轮箱状态监测有较强的实用性和较高的准确率,为后续开展齿轮箱健康度评价提供了新的方法和思路。; 尹诗侯国莲侯国莲王其乐弓林娟; 关键词：风电机组主成分分析齿轮箱

基于优化XGBoost的风电机组发电机前轴承故障预警被引量：14: 2021年; 为了及时有效地识别发电机的异常运行状态,提出了基于贝叶斯优化极限梯度提升算法的风电机组发电机前轴承故障预警方法:利用有效的数据预处理方法处理数据采集与监视控制系统历史数据;基于贝叶斯优化的XGBoost (eXtreme Gradient Boosting)算法构建风电机组发电机前轴承温度预测模型;基于3σ准则,确定风电机组发电机前轴承故障预警阈值。实验结果表明所提方法能提前监测到风电机组发电机前轴承异常信号。通过与采用随机搜索和网格搜索所建立的模型进行对比分析,验证了贝叶斯优化模型在泛化性能和预测精度上具有优势。; 魏乐胡晓东尹诗; 关键词：风电机组故障预警

风力发电机组发电机前轴承故障预警及辨识被引量：25: 2020年; 为实现风电机组发电机前轴承故障预警及辨识,将监控和数据采集系统(SCADA)时间序列数据和状态监测系统振动数据相结合,提出了一种时频域建模方法。首先,利用SCADA数据建立基于门控循环单元神经网络的发电机前轴承温度模型,并计算其温度残差特征;其次,提取发电机前轴承振动信号时域特征和频域特征;最后,将温度残差特征和振动信号时频域特征相融合,建立基于极限梯度提升的前轴承故障辨识模型,从而辨识发电机前轴承正常、内圈损伤、外圈损伤、轴不平衡、滚动体损伤5类情况。实验研究表明,该方法比单独利用振动信号特征开展前轴承故障预警辨识的准确率高,其正常、内圈损伤、外圈损伤的平均辨识准确率从87%、58.5%、65%,分别提升到88.5%、67.5%和74%。; 尹诗侯国莲侯国莲周继威弓林娟; 关键词：风电机组故障辨识

基于“互联网+”的风电运营监控中心研究与应用: 2018年; 风能是最早利用也是最多的新能源发电方式之一。随着风力发电机组装机规模不断扩大,风电企业对生产运营及设备管控提出了更高的要求。为更好的客观评价风电企业运营管控状况,各大运行商相继建立了风电生产运营监控中心实现对下辖风电企业进行精细化管理。传统的风电生产运营监控系统以实时数据库作为底层数据存储,以单台硬件作为系统后台计算资源。伴随着计算指标,尤其数据存储的增加,传统的数据存储架构已满足不了当前系统建设的需要。文章提出了基于“互联网+”的风电运营监控中心,基于“互联网+”的风电移动运营监控中心是利用微信、大数据、数据挖掘、html5等互联网技术结合风电运营业务建设的一体化运营平台。在此基础上开展风电运营大数据分析,深入挖掘机组的发电性能和设备大部件运行缺陷,提高风电场生产与设备管理水平,实现风电场的优化运行与管理。; 尹诗尹诗李宁张松松; 关键词：HADOOP 数据挖掘

基于AC-GAN数据重构的风电机组主轴承温度监测方法被引量：7: 2021年; 为更好地识别风电机组主轴承运行状态,提出了一种基于辅助分类生成对抗网络(auxiliary classifier generative adversarial networks, AC-GAN)的数据重构算法对风电机组主轴承温度进行监测。首先,利用采集与监视控制系统(supervisory control and data acquisition, SCADA)时序数据建立基于轻型梯度增强学习器(light gradient boosting machine, LightGBM)的主轴承温度预测模型,并计算其残差特征。其次,利用统计过程控制(statistical process control, SPC)方法对主轴承温度异常残差在控制线范围内进行筛选,并利用AC-GAN算法对残差进行重构。最后,分别提取主轴承温度正常和异常的残差特征,建立基于自然梯度提升(natural gradient boosting, NGBoost)的主轴承状态监测模型。实验结果表明,该方法对主轴承运行状态判断准确度高达87.5%,能够有效地监测风电机组轴承类运行状态。; 尹诗尹诗侯国莲周继威; 关键词：风电机组主轴承数据重构

基于Bi-RNN的风电机组主轴承温度预警方法研究被引量：17: 2019年; 主轴承是风电机组能量传递的关键设备,本文以双馈风力发电机组主轴承为研究对象,首先采用高斯混合模型(gaussian mixture model,GMM)对机组工况进行辨识;其次在各个子工况空间内建立基于双向循环神经网络(bi-directional recurrent neural network,Bi-RNN)的风电机组主轴承温度模型;然后,采用随机森林算法对主轴承温度模型残差进行建模与预测,从而实现机组主轴承故障预警;最后以某大型风电场机组为对象建模并开展仿真研究.结果表明,基于工况辨识的Bi-RNN神经网络算法结合随机森林算法对主轴承故障预警具有较强的实用性和较高的准确率.; 尹诗侯国莲侯国莲李宁王其乐弓林娟; 关键词：风电机组主轴承

风电机组发电机前轴承健康度预测方法及实现被引量：7: 2021年; 针对双馈式风电机组发电机前轴承劣化趋势问题,提出了一种新的组合建模方法对发电机前轴承健康度进行趋势预测。采用高斯混合模型(Gaussian Mixture Model, GMM)对机组运行工况进行辨识,并在各个子工况内分别建立基于极限学习机(Extreme Learning Machine, ELM)的发电机前轴承温度模型,将温度残差特征与前轴承振动信号时频域特征相融合,并计算前轴承健康度,提出基于注意力机制的双向长短期记忆(Bi-directional Long Short Term Memory, Bi-LSTM)神经网络对前轴承健康度进行建模并预测其趋势。实验结果表明:该组合建模方法具有较高的准确度和泛化能力。; 尹诗侯国莲侯国莲弓林娟胡晓东; 关键词：风电机组

全选清除导出

共1页<1>

尹诗