基于大數(shù)據(jù)分析的風(fēng)力發(fā)電機(jī)組故障預(yù)警技術(shù)研究與應(yīng)用

《基于大數(shù)據(jù)分析的風(fēng)力發(fā)電機(jī)組故障預(yù)警技術(shù)研究與應(yīng)用》由會員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫。

1、分類號：ＴＫ８單位代碼：１０１８３１研究生學(xué)號：２０５５５Ｅ０４１密級：公開吉林大學(xué)碩士學(xué)位論文專業(yè)學(xué)位（）基于大數(shù)據(jù)分析的風(fēng)力發(fā)電機(jī)組故障預(yù)警技術(shù)研究與應(yīng)用Ｒｅｓｅａｒｃｈａｎｄａｐｐｌｉｃａｔｉｏｎｏｆｆａｕｌｔｗａｒｎｉｎｇｔｅｃｈｎｏｌｏｇｙｆｏｒｗｉｎｄｔｕｒｂｉｎｅｂａｓｅｄｏｎｂｉｄａｔａａｎａｌｓｉｓｇｙ作者姓名：劉洋廣類別：工程碩士領(lǐng)域（方向）：電氣工程指導(dǎo)教師：李振峰副教授校外合作導(dǎo)師：辛克鋒高級工程師培養(yǎng)單位：儀器科學(xué)與電氣工程學(xué)院２０１８年１１月基于大數(shù)據(jù)分析的風(fēng)力發(fā)

2、電機(jī)組故障預(yù)警技術(shù)研究與應(yīng)用Ｒｅｓｅａｒｃｈａｎｄａｐｐｌｉｃａｔｉｏｎｏｆｆａｕｌｔｗａｒｎｉｎｇｔｅｃｈｎｏｌｏｆｏｒｇｙｗｉｎｄｔｕｒｂｉｎｅｂａｓｅｄｏｎｂｉｇｄａｔａａｎａｌｙｓｉｓ作者姓名：劉洋廣領(lǐng)域（方向）：電氣工程指導(dǎo)教師：李振峰副教授校外合作導(dǎo)師：辛克鋒高級工程師學(xué)位類別：工程碩士答辯日期：２０１８年／Ｘ日／未經(jīng)本論文作者的書面授權(quán)，依法收存和保管本論文書面版本Ｖ電子版本的任何單位和個人，均不得對本論文的全部或部分內(nèi)容進(jìn)行任何形式的復(fù)制、修改、發(fā)行、出租、改編等有礙作者著作權(quán)的商業(yè)性

3、使用（但純學(xué)術(shù)性使用不在此限）。否則，應(yīng)承擔(dān)侵權(quán)的法律責(zé)任。吉林大學(xué)碩士學(xué)位論文原創(chuàng)性聲明本人鄭重聲明：所呈交的碩士學(xué)位論文，是本人在指導(dǎo)教師的指導(dǎo)下，獨(dú)立進(jìn)行研宄工作所取得的成果。除文中已經(jīng)注明引用的內(nèi)容夕卜，本論文不包含任何其他個人或集體已經(jīng)發(fā)表或撰寫過的作品成果。對本文的研宄做出重要貢獻(xiàn)的個人和集體，均己在文中以明確方式標(biāo)明。本人完全意識到本聲明的法律結(jié)果由本人承擔(dān)。學(xué)位論文作者簽名：力＿／｜曰期：年曰分１摘要基于大數(shù)據(jù)分析的風(fēng)力發(fā)電機(jī)組故障預(yù)警技術(shù)研究與應(yīng)用隨著風(fēng)電產(chǎn)業(yè)在全世界范圍內(nèi)的迅速增長，風(fēng)力發(fā)電越來越滲透入電力系統(tǒng)當(dāng)中。

4、對風(fēng)電機(jī)組運(yùn)行狀態(tài)的準(zhǔn)確預(yù)測及故障預(yù)警能夠有效提升風(fēng)電機(jī)組運(yùn)行的穩(wěn)定性。目前，風(fēng)電機(jī)組大多配備了數(shù)據(jù)采集與監(jiān)視控制系統(tǒng)(SCADA,SupervisoryControlandDataAcquisition)系統(tǒng)，其能夠采集并記錄機(jī)組全方位的運(yùn)行狀態(tài)信息，為機(jī)組運(yùn)行狀態(tài)評估提供了可靠的大數(shù)據(jù)來源，如何有效分析這些數(shù)據(jù)，開展機(jī)組故障的預(yù)警，是風(fēng)電場穩(wěn)定運(yùn)行研究的熱點(diǎn)。為對風(fēng)電機(jī)組運(yùn)行狀態(tài)進(jìn)行故障預(yù)警，本文利用歷史和實(shí)時SCADA系統(tǒng)數(shù)據(jù)、風(fēng)電場運(yùn)維數(shù)據(jù)、氣象數(shù)據(jù)作為測試數(shù)據(jù)和風(fēng)電場地理信息系統(tǒng)（GeographicInformationSystem,GIS）數(shù)據(jù)等信息作為樣本，開

5、展風(fēng)電機(jī)組的電量分析、全場功率預(yù)測、風(fēng)機(jī)葉片結(jié)冰預(yù)測、風(fēng)電機(jī)組機(jī)械狀態(tài)預(yù)測、單機(jī)功率曲線對標(biāo)預(yù)測以及風(fēng)機(jī)機(jī)艙風(fēng)速預(yù)測準(zhǔn)確性修正等六個方面的研究。首先對根據(jù)一定規(guī)則對上述數(shù)據(jù)進(jìn)行清洗；其次利用SCADA數(shù)據(jù)并結(jié)合廣義線性回歸（GLM）算法構(gòu)建線性模型對各風(fēng)電機(jī)組的電量進(jìn)行分析；基于ARIMA算法構(gòu)建全場功率預(yù)測模型，利用歷史風(fēng)速、風(fēng)向、溫度、功率、偏航數(shù)據(jù)用于模型的訓(xùn)練，利用當(dāng)前響應(yīng)數(shù)據(jù)進(jìn)行模型的預(yù)測；利用歷史運(yùn)維數(shù)據(jù)、振動信號、風(fēng)速、功率、角度等參數(shù)，結(jié)合Pearson相關(guān)系數(shù)分析風(fēng)機(jī)葉片結(jié)冰的影響因素，基于決策樹算法對葉片結(jié)冰的概率進(jìn)行預(yù)測；挖掘振動信號、溫度、風(fēng)機(jī)轉(zhuǎn)速等參

6、數(shù)，利用ARMA算法或BP神經(jīng)網(wǎng)絡(luò)建立風(fēng)電機(jī)組機(jī)械狀態(tài)預(yù)測模型；利用SCADA相關(guān)數(shù)據(jù)、天線數(shù)據(jù)等參數(shù)，基于ARIMA算法建立預(yù)測模型，利用預(yù)測風(fēng)速和當(dāng)前天氣因素對單機(jī)功率的預(yù)測結(jié)果進(jìn)行修正；挖掘期限數(shù)據(jù)、GIS數(shù)據(jù)、SCADA數(shù)據(jù)等參數(shù)，建立基于K-meansI的進(jìn)行性風(fēng)機(jī)群聚類算法，使用GLM算法構(gòu)建模型，開展風(fēng)速預(yù)測修正。本文研究結(jié)果在大唐新能源風(fēng)電大數(shù)據(jù)物聯(lián)網(wǎng)智能分析平臺上進(jìn)行應(yīng)用。以扎魯特東山風(fēng)電場數(shù)據(jù)對預(yù)警方法進(jìn)行驗證，結(jié)果表明本文提出的方法有效的實(shí)現(xiàn)了電量分析、風(fēng)機(jī)葉片結(jié)冰預(yù)測的風(fēng)電機(jī)組機(jī)械狀態(tài)的預(yù)測。關(guān)鍵詞：大數(shù)據(jù)分析，風(fēng)電機(jī)組，故障預(yù)警，SCADAIIAbs

7、tractResearchandapplicationoffaultwarningtechnologyforwindturbinebasedonbigdataanalysisWiththerapidgrowthofthewindpowerindustryworldwide,windpowerisincreasinglypenetratingintothepowersystem.Accuratepredictionofwindturbineoperatingconditionsandfaultwarnin