針對(duì)風(fēng)電機(jī)組故障樣本數(shù)據(jù)少、風(fēng)電場(chǎng)故障記錄不準(zhǔn)確的問(wèn)題,將風(fēng)電機(jī)組齒輪箱故障預(yù)警方法與風(fēng)電機(jī)組設(shè)計(jì)機(jī)理以及運(yùn)維經(jīng)驗(yàn)相結(jié)合,使用無(wú)故障運(yùn)行數(shù)據(jù)構(gòu)建齒輪箱油溫異常模型,依據(jù)實(shí)際運(yùn)行數(shù)據(jù)與預(yù)測(cè)數(shù)據(jù)的偏差,按照指定的預(yù)警策略給出預(yù)警。該方法采用Docker技術(shù)實(shí)現(xiàn)了生產(chǎn)環(huán)境的跨平臺(tái)、輕量化部署,現(xiàn)場(chǎng)驗(yàn)證準(zhǔn)確率高,能夠大大提高風(fēng)電機(jī)組的運(yùn)維效率,間接提升發(fā)電量。 

【文章來(lái)源】：船舶工程. 2020,42(S1)北大核心CSCD

【文章頁(yè)數(shù)】：6 頁(yè)

【參考文獻(xiàn)】：
期刊論文
[1]風(fēng)電裝備故障診斷與健康監(jiān)測(cè)研究綜述[J]. 陳雪峰,郭艷婕,許才彬,商紅兵.  中國(guó)機(jī)械工程. 2020(02)
[2]基于卷積神經(jīng)網(wǎng)絡(luò)的風(fēng)電機(jī)組齒輪箱狀態(tài)監(jiān)測(cè)方法[J]. 劉華新,劉紅艷,韓中合,朱霄珣,侯棟楠.  可再生能源. 2020(01)
[3]基于遺傳算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)的風(fēng)機(jī)齒輪箱故障診斷[J]. 張細(xì)政,鄭亮,劉志華.  湖南工程學(xué)院學(xué)報(bào)(自然科學(xué)版). 2018(03)
[4]基于混合蛙跳算法優(yōu)化神經(jīng)網(wǎng)絡(luò)的齒輪箱故障診斷研究[J]. 王宇.  機(jī)械工程師. 2018(08)
[5]基于數(shù)據(jù)挖掘的風(fēng)電機(jī)組齒輪箱運(yùn)行狀態(tài)分析[J]. 賈子文,顧煜炯.  中國(guó)機(jī)械工程. 2018(06)
[6]基于頻譜包絡(luò)曲線的稀疏自編碼算法及在齒輪箱故障診斷的應(yīng)用[J]. 張紹輝,羅潔思.  振動(dòng)與沖擊. 2018(04)
[7]基于深度自編碼網(wǎng)絡(luò)模型的風(fēng)電機(jī)組齒輪箱故障檢測(cè)[J]. 劉輝海,趙星宇,趙洪山,宋鵬,鄧春.  電工技術(shù)學(xué)報(bào). 2017(17)
[8]風(fēng)電機(jī)組齒輪箱溫度趨勢(shì)狀態(tài)監(jiān)測(cè)及分析方法[J]. 郭鵬,David Infield,楊錫運(yùn).  中國(guó)電機(jī)工程學(xué)報(bào). 2011(32)



本文編號(hào)：3185436