知识导航
资源分类

基于高斯过程回归和双滑动窗口残差处理的风电机组主轴状态监测

基于高斯过程回归和双滑动窗口残差处理的风电机组主轴状态监测

Wind turbine spindle state monitoring based on Gaussian process regression and double moving window residual processing

Wind turbine spindle state monitoring based on Gaussian process regression and double moving window residual processing

doi:
10.16081/j.issn.1006-6047.2018.06.006
摘要:
针对风电机组运行数据强随机性和高噪声的特点,采用高斯过程回归方法建立主轴正常时段的温度模型,并应用自动关联分析方法选择主轴温度模型的建模变量.为降低建模复杂程度,采用模糊核聚类方法对风电机组原始运行数据进行筛选,消除冗余信息,构造紧凑有效的建模样本集.当主轴发生故障时,模型的输入观测向量发生异常变化,导致模型预测残差发生明显改变.为提高主轴异常预警的灵敏度和可靠性,采用基于莱依特准则的双滑动窗口对预测残差序列进行实时的统计分析,如果残差均值或标准差超出设定的故障报警阈值,则发出报警信息.某风电机组主轴的实际运行数据验证了所提方法的有效性.
作者 郭鹏 王兆光
Author: GUO Peng WANG Zhaoguang
作者单位 华北电力大学控制与计算机工程学院,北京,102206
期 刊: 电力自动化设备 ISTIC EI SCI PKU CSSCI
Journal: Electric Power Automation Equipment
年,卷(期) 2018, 38(6)
分类号 TK83 TM315
关键词: 风电 知识脉络 主轴 知识脉络 状态监测 知识脉络 高斯过程回归 知识脉络 自动关联分析 知识脉络 模糊核聚类 知识脉络 残差 知识脉络 双滑动窗口 知识脉络
机标分类号
基金项目 国家自然科学基金资助项目
参考文献和引证文献
返回顶部参考文献
返回顶部引证文献
返回顶部本文读者也读过
返回顶部相似文献
返回顶部相关博文

知识产权声明| 服务承诺| 联系我们| 人才招聘| 客户服务| 关于我们

京ICP证:010071  互联网出版许可证:新出网证(京)字042号  京公网安备11010802020237号
万方数据知识服务平台--国家科技支撑计划资助项目(编号:2006BAH03B01)©北京万方数据股份有限公司  万方数据电子出版社