学位论文 > 优秀研究生学位论文题录展示

基于SCADA系统的大型风电机组在线状态评估及故障定位研究

作　者: 梁颖
导　师: 方瑞明
学　校: 华侨大学
专　业: 电工理论与新技术
关键词: 状态评估故障定位 SCADA系统支持向量回归数据挖掘残差控制社团匹配拓扑结构
分类号: TM614
类　型: 硕士论文
年　份: 2013年
下　载: 1次
引　用: 0次
阅　读: 论文下载

内容摘要

随着能源危机的加剧以及人类环保意识的增强，风能以其技术成熟度、基础设施建设以及成本方面的综合优势而日益受到重视。然而，高达10%~15%的运行和维护成本严重制约着风力发电行业的发展。因此，从降低风电机组运行风险和减少风力发电的运行维护成本等方面考虑，大型风电机组在线状态评估及故障诊断技术已成为风力发电亟待解决的课题。风电机组配备的SCADA系统通常利用数值越限报警，报警模式单一，不具备预防故障恶化的功能，而大量的SCADA监测数据中隐含了风电机组各部件或子系统之间的相互作用和影响关系。因此，本文利用数据挖掘技术，提出了一个风电机组在线状态评估方法。该方法是在原有的SCADA报警系统上集成一个基于支持向量回归（Support Vector Regression, SVR）算法的回归预测模型。监控人员可通过SCADA系统的报警信息和回归模型的预测值与实际监测值的偏差及其趋势对风电机组的运行状态进行评估，不仅提高了状态评估的精度，还可以追踪故障的发展趋势，为降低风电机组运行风险、优化维修策略、减少运行维护成本提供了坚实的技术支持。本文基于“社团匹配”的思路，从风电机组各子系统的运行和控制机理入手，将SCADA系统的监测项目划分为6个与子系统相对应的可重叠社团，并详细分析了判定各监测项目采样数据是否异常的准则。当某些监测项目采样数据发生异常时，将该监测项目匹配到其社团所对应的风电机组子系统，从而达到故障定位的目的。该方法将监测数据与风电机组的运行和控制机理有机结合，克服了以往人工智能方法过分依赖监测数据的缺点，具有较强推广性能。总之，本文所提出的在线状态评估和故障定位方法为风电机组长周期的安全运行提供了保障，为维护人员的知情决策提供了技术支持，为降低风力发电运行和维护成本铺平了道路。

全文目录

摘要  3-4
Abstract  4-8
第1章绪论  8-15
  1.1 课题的研究背景和意义  8-9
  1.2 国内外的研究动态  9-13
    1.2.1 基于 CMS 的监测方法  9-11
    1.2.2 基于 SCADA 系统的监测方法  11-12
    1.2.3 研究现状总结  12-13
  1.3 论文的工作安排  13-15
第2章风电机组及其 SCADA 系统分析  15-22
  2.1 风电机组简介  15-17
  2.2 SCADA 系统分析  17-21
    2.2.1 SCADA 系统简介  17-19
    2.2.2 SCADA 系统监控性能分析  19
    2.2.3 监测项目相关性分析  19-21
  2.3 本章小结  21-22
第3章大型风电机组运行状态在线评估方法  22-40
  3.1 在线评估方法  22-24
    3.1.1 在线评估方法概述  22
    3.1.2 在线评估方法的流程  22-24
  3.2 支持向量回归理论  24-29
    3.2.1 统计学习理论  24-25
    3.2.2 SVM 算法的优势  25
    3.2.3 SVM 在回归领域的应用  25-28
    3.2.4 SVR 算法的流程图  28-29
  3.3 基于 SVR 算法的回归预测模型  29-33
    3.3.1 确定模型输入量和输出量  30-31
    3.3.2 选择核函数  31
    3.3.3 参数寻优  31-33
    3.3.4 训练模型和验证模型  33
  3.4 实验分析  33-39
    3.4.1 软件以及相关程序  33-36
    3.4.2 实例验证  36-39
  3.5 本章小结  39-40
第4章大型风电机组故障定位方法研究  40-72
  4.1 基本思路  40-42
  4.2 基于 SCADA 监测项目的风电机组拓扑结构生成  42-57
    4.2.1 风电机组整机的拓扑结构生成  42-44
    4.2.2 子系统的拓扑结构分析  44-57
  4.3 节点异常的判定准则  57-63
    4.3.1 “绝对异常”的判定  57
    4.3.2 “相对异常”的判定  57-63
  4.4 控制系统的故障定位  63
  4.5 实验分析  63-71
    4.5.1 针对 SCADA 系统报警的故障定位  63-64
    4.5.2 针对回归预测模型报警的故障定位  64-71
  4.6 本章小结  71-72
第5章总结与展望  72-74
  5.1 全文总结  72
  5.2 工作展望  72-74
参考文献  74-77
致谢  77-78
个人简历、在学期间发表的学术论文及研究成果  78

基于SCADA系统的大型风电机组在线状态评估及故障定位研究

内容摘要

全文目录

相似论文