基于支持向量机和统计过程控制的风电机组故障预测算法的研究

【摘要】：随着经济的快速发展,能源的需求与日俱增。风能以其清洁、高效、可再生等优点,成为发展最快的新型能源。风力发电事业的迅猛发展,风电场的运行与维护是我们将要面对的重要问题之一。如果在故障发生前做出预测,就能够提前制定合理的检修计划和安排检修人员与物资,减少因风电机组故障造成的损失,保证机组正常持续运行。因此,进行风电机组关键部件的故障预测研究,对降低风电场运行、检修成本和提高风电机组运行可靠性具有重大意义。 本文介绍了风电机组故障检测算法的国内外研究现状,以及支持向量机技术和统计过程技术,提出了基于改进统计过程控制技术的风电机组风轮叶片故障预测算法和基于最小二乘向量机与统计过程控制技术的风电机组齿轮箱和发电机温度故障预测算法。 最后,本文利用算法对北方某风场的实际风机运行监控数据进行分析,结果证明了本文算法的有效性。 【关键词】：风力发电机组 故障预测 最小二乘向量机 统计过程控制
【学位授予单位】：华北电力大学
【学位级别】：硕士
【学位授予年份】：2011
【分类号】：TM614
【目录】：

• 摘要5-6
• Abstract6-10
• 第一章 绪论10-13
• 1.1 选题背景及意义10-11
• 1.2 风电机组故障检测技术国内外研究现状11-12
• 1.2.1 国外研究现状11
• 1.2.2 国内研究现状11-12
• 1.3 本课题的主要研究内容12-13
• 第二章 风电机组的基本结构和常见故障13-18
• 2.1 风力发电机组的基本结构13-14
• 2.2 风电机组常见故障14-17
• 2.2.1 叶片常见故障14-15
• 2.2.2 齿轮箱常见故障15-17
• 2.2.3 发电机常见故障17
• 2.3 本章小结17-18
• 第三章 机器学习理论与支持向量机理论18-28
• 3.1 机器学习理论18-20
• 3.1.1 概述18
• 3.1.2 风险最小化理论18-20
• 3.2 支持向量机20-27
• 3.2.1 支持向量机基本原理20-21
• 3.2.2 支持向量机分类21-23
• 3.2.3 支持向量机回归23-25
• 3.2.4 最小二乘向量机25-27
• 3.3 本章小结27-28
• 第四章 早期故障预测与统计过程控制技术28-33
• 4.1 早期故障预警28-29
• 4.1.1 维修28
• 4.1.2 早期故障预测28-29
• 4.2 统计过程控制技术29-32
• 4.2.1 产品质量的统计概念29-30
• 4.2.2 统计过程控制的基本原理30-31
• 4.2.3 自相关过程的统计过程控制31-32
• 4.2.4 判异法则32
• 4.3 本章小结32-33
• 第五章 基于最小二乘向量机和统计过程控制的风电机组早期故障预测33-40
• 5.1 概述33
• 5.2 基于改进统计过程技术的风轮故障预测33-36
• 5.2.1 风电机组功率特性曲线33-34
• 5.2.2 改进的统计过程控制图34-35
• 5.2.3 判异法则35-36
• 5.3 基于LSSVM 和SPC 的齿轮箱故障预测36-38
• 5.3.1 风电机组齿轮箱故障分析36
• 5.3.2 基于LSSVM 的齿轮箱故障预测模型36-37
• 5.3.3 SPC 控制限的求取37-38
• 5.4 基于LSSVM 和SPC 的风力发电机故障预测38-39
• 5.4.1 风力发电机温升过高分析38
• 5.4.2 基于LSSVM 的发电机温度故障预测模型38-39
• 5.5 本章小结39-40
• 第六章 故障预测在某风场的应用40-57
• 6.1 风电机组风轮故障预测40-43
• 6.1.1 基于改进的统计过程控制技术的风轮故障预测流程40-41
• 6.1.2 实例分析41-43
• 6.2 风电机组齿轮箱温度故障预测43-49
• 6.2.1 基于LSSVM 和SPC 的齿轮箱温度故障预测流程43-44
• 6.2.2 实例分析44-49
• 6.3 风电机组发电机温度故障预测49-56
• 6.3.1 基于LSSVM 和SPC 的发电机温度故障预测流程49
• 6.3.2 实例分析49-56
• 6.4 本章小结56-57
• 第七章 结论与展望57-59
• 7.1 结论57
• 7.2 展望57-59
• 参考文献59-62
• 攻读学位论文期间发表文章62-63
• 攻读硕士学位期间参加的科研工作63-64
• 致谢64-65
• 详细摘要65-72

您可以在本站搜索以下学术论文文献来了解更多相关内容

支持向量机预测高边坡爆破质点振动速度    欧敏;林从谋;

基于核函数支持向量机的雷达辐射源识别    关欣;郭强;张政超;赵静;翟鸿君;

基于混合核函数支持向量机的齿轮诊断方法研究    谢凌然;高长伟;沈玉娣;

基于LIBSVM的风速预测方法研究    王慧勤;雷刚;

基于多核优选的装备费用支持向量机预测法    余珺;郑先斌;张小海;

飞机飞行事故率预测建模与仿真研究    戴蓉;黄成;

一种新的半监督直推式支持向量机分类算法    王安娜;李云路;赵锋云;史成龙;

基于粗糙集支持向量机的空袭目标识别    王永成;王宏飞;姜长生;

基于直方图交核的人脸识别    蒋强荣;高远;张鸿宾;

基于支持向量机的电力市场价格预测中的核函数比较    翟鸿雁;曾晋明;曾纪霞;

支持向量机在电力客户信用评级中的应用    林杰华;张斌;李冬森;宋华茂;余志强;王浩;

多变量系统预测的支持向量机方法研究    蒋铁军;张怀强;李积源;

基于小波支持向量机预测蛋白质亚细胞定位研究    黄淑云;孙兴玉;梁汝萍;邱建丁;

支持向量机在语音识别中的应用研究    谢湘;匡镜明;

基于支持向量机的鹅肉肉色客观评定研究    涂冬成;薛龙;刘木华;赵进辉;沈杰;吁芳;

基于支持向量机的坦克识别算法    杨凌;刘玉树;

基于支持向量机方法的深基坑变形预测    师旭超;巴松涛;

支持向量机方法在地下水位干扰排除中的初步应用    张军;

基于改进的支持向量机和BP神经网络的识别算法    许建生;盛立东;

基于支持向量机的非线性系统辨识方法    荣海娜;张葛祥;张翠芳;

统计过程控制 呈现五大特点    王明利

实时监控 防患未然    本报记者 刘霞

点击鼠标实现过程分析    记者 刘霞

柯达ISS:单独批次也可实时跟踪    麦西·查克博(Manash Chakrabory) 布雷克利(Joseph Blakely) 编译 霍娜 贺洁

钢铁企业如何采用SPC技术进行质量管理    辛学武

统计过程控制10大误区    雷鸣

将重心集中到同一个目标    乔·德西蒙

QIS系统：企业的神经线    杨静

戴好“眼镜” 细看差错    本报记者 刘霞

湖北化肥开足马力保春耕    张志华

基于CPFR的农产品采购模型研究    杜小芳

动态过程数据的多变量统计监控方法研究    刘育明

支持向量机（SVM）和径向基神经网络（RBFNN）方法在化学、环境化学和药物化学中的应用研究    栾锋

市场条件下抽水蓄能电站效益综合评价及运营模式研究    孙薇

支持向量机的核方法及其模型选择    常群

锌钡白回转窑煅烧过程智能建模研究    朱燕飞

支持向量回归机及其应用研究    田英杰

基于蚁群优化算法的若干问题的研究    燕忠

基于支持向量机的植物病害识别研究    任东

支持向量回归在预测控制中的应用研究    杨金芳

支持向量机在分类及人脸检测应用中的研究    江锋

基于统计学习的人工智能在数字游戏和数字娱乐上的应用    傅正钢

基于支持向量机的田间杂草识别方法研究    朱晓芳

基于改进的小波变换和支持向量机的纺织细纱机故障自动诊断    朱明玲

支持向量机在入侵检测系统中的研究和应用    张宝华

支持向量机在地下工程中的应用研究    赖永标

基于核主成分与支持向量机的体内药物代谢预测    沈徐辉

基于支持向量机的道路交通标志识别的研究    李铮

基于组合核函数支持向量机的软测量技术及其应用研究    王启超

基于粗糙集和支持向量机的多值分类算法    冯洪海