本文關(guān)鍵詞：風機故障預警系統(tǒng)的設計與實現(xiàn)

  更多相關(guān)文章： 風電數(shù)據(jù) 統(tǒng)計分析 決策樹ID3算法 Spring MVC+Mybits

【摘要】：隨著風電行業(yè)的迅猛發(fā)展,風電企業(yè)對軟件平臺的需求也逐漸擴大。通常風電場商只提供風機的基本運行信息,這些數(shù)據(jù)無法滿足風電企業(yè)進行高質(zhì)量的統(tǒng)計分析和決策要求。尤其是風機結(jié)構(gòu)越來越復雜的情況下,導致風機發(fā)生故障越發(fā)的頻繁和復雜,由此給風機帶來昂貴的維護成本。如何能夠給企業(yè)帶來經(jīng)濟效益的最大化,針對風電企業(yè)所面臨的這個問題,本文對風機故障預警的應用作了以下研究。本文對風電場工業(yè)庫中兩年的風機故障歷史信息進行了分類統(tǒng)計,根據(jù)故障發(fā)生時間段的波動情況,對發(fā)生每一個種類的故障進行參數(shù)篩選,并不是所有的參數(shù)波動都是比較明顯易區(qū)分的,因此在此基礎上引進了決策樹算法,由于決策樹是基于熵的最大化理論對單一故障分類具有很好的效果,針對風機發(fā)生不同種類故障的情況下分別對風機故障進行決策樹模型的創(chuàng)建,根據(jù)風機不同種類故障模型的創(chuàng)建過程中,根據(jù)熵的最大化理論,找出針對不同種類風機故障中導致熵最大化的參數(shù),從而進一步的優(yōu)化參數(shù)的范圍。針對實際情況中,導致風機發(fā)生故障是多類型的,如何高效的針對多類別進行分類,本文采用了基于支持向量機作為決策的先決條件對多類別的故障進行劃分,并建立了決策樹基于svm的多分類的模型進行驗證,并且效果比較明顯�；谏鲜鲲L機多分類的模型創(chuàng)建,在此基礎上采用Spring MVC+Mybits的架構(gòu),對風機預警進行實現(xiàn)。最后,本文對平臺的適配性進行詳細的研究。分析了不同風電場,不同風機的差異,并實現(xiàn)了適應這些差異的方法。此方法已在遼寧,內(nèi)蒙,寧夏三個風電場項目上投入使用,適配性得到了充分體現(xiàn)。
【學位授予單位】：東北大學
【學位級別】：碩士
【學位授予年份】：2015
【分類號】：TP277;TM315

【參考文獻】

中國期刊全文數(shù)據(jù)庫 前5條

1 譚忠富;鞠立偉;;中國風電發(fā)展綜述:歷史、現(xiàn)狀、趨勢及政策[J];華北電力大學學報(社會科學版);2013年02期

2 黃浩;張沛;;美國新能源發(fā)展概況[J];電網(wǎng)技術(shù);2011年07期

3 李斌;李文鋒;;WSN與RFID技術(shù)的融合研究[J];計算機工程;2008年09期

4 仇衛(wèi)東;王智冬;李雋;;我國風電發(fā)展相關(guān)問題分析[J];電力技術(shù)經(jīng)濟;2008年01期

5 方創(chuàng)琳;;中國風電發(fā)展目標分析與展望[J];中國能源;2007年12期

，

本文編號：1188917