Print

基于运行参数特征的风力机叶片覆冰诊断方法

论文摘要

为更好地解决工程实际中的叶片覆冰问题,通过建立叶片覆冰状态特征参数处理模型,提取出能反映叶片覆冰状态的6种故障特征指标,并将其作为输入,将叶片覆冰状态作为输出,建立风电机组叶片覆冰诊断的BP神经网络模型,利用实际风电机组数据采集与监视控制(SCADA)系统数据构造BP神经网络的训练样本和测试样本。结果表明:所构建的叶片覆冰诊断模型能准确地诊断出叶片覆冰状态。

论文目录

  • 1 叶片覆冰状态信号选取及其特征提取模型
  •   1.1 叶片覆冰状态信号选取
  •   1.2 叶片覆冰特征提取模型
  •     1.2.1 环境温度特征提取模型
  •     1.2.2 空气相对湿度特征提取模型
  •     1.2.3 输出功率-来流风速特征提取模型
  •     1.2.4 桨距角特征提取模型
  •     1.2.5 偏航角特征提取模型
  •     1.2.6 变化速率特征提取模型
  • 2 叶片覆冰诊断模型建立
  •   2.1 叶片覆冰诊断BP神经网络结构设计
  •   2.2 训练样本数据集合
  • 3 叶片覆冰BP神经网络训练与测试结果分析
  •   3.1 BP神经网络的训练
  •   3.2 BP神经网络的测试
  •   3.3 测试结果误差分析
  • 4 结 论

    • 文章来源

    类型: 期刊论文

    作者: 龚妙,李录平,刘瑞,张浩,封江

    关键词: 特征提取,状态指标,神经网络,叶片覆冰,系统

    来源: 动力工程学报 2019年03期

    年度: 2019

    分类: 工程科技Ⅱ辑,信息科技

    专业: 电力工业,自动化技术

    单位: 长沙理工大学能源与动力工程学院

    基金: 湖南省教育厅科学研究资助项目(15C0025),广州特种承压设备检测研究院科技资助项目

    分类号: TP183;TM315

    页码: 214-219

    总页数: 6

    文件大小: 164K

    下载量: 220

    相关论文文献

    本文来源: https://www.lunwen66.cn/article/60b1f6c00ae4a7a9d32d1094.html