欧美精品导航,亚洲精品欧美精品,亚欧成人精品

能源大數據之聯合動力機組齒輪箱故障預警

瀏覽：次

一、項目背景
伴隨著經濟的發展，全球能源危機環境危機日益凸顯，風能以其成本低、清潔、安全、可再生等優點越來越受到世界各國的重視，所以近幾年以來風力發電得到快速發展。然而風電機組常處于惡劣的環境中極易出現運行故障，其中齒輪箱是整個風電機組發生故障概率最高的部件，據統計風電機組60%以上的故障都發生于齒輪箱部位。因此能迅速、準確地對齒輪箱故障預警，對降低風電場的運維成本、提高風電場的經濟效益、提高風電機組運行的可靠性具有重要意義。

二、問題與挑戰
1、機組類型不同。從業務角度來說，存在三種不同容量的機組，且設計和運行參數會有一定的差異，為了發現不同類型機組齒輪箱故障的特征，保證故障模型的準確率，需要對機組進行分類。
2、用于分析的多個變量間會存在較多的信息重復。機組運行的參數數據很多，若直接用來分析，會導致模型復雜，同時可能會引起模型較大誤差，因此要初步探索數據間的相關性，剔除重復因素。
3、時間因素的損失。故障發生雖說只是一個時間點，但在故障發生的前一段時間就已經有某些特性的改變，因此在進行故障預測時，可將故障發生前一段時間都標記為故障。

三、解決方案
基于聯合動力機組的設計原理，進行機組類型劃分，在此基礎上，針對不同類型的機組，利用機器學習算法，分析與聯合動力機組齒輪箱故障相關的影響因素，構建機組齒輪箱故障預警分類模型。

機組類型劃分

從機理和業務角度對機組進行類型劃分。機組數據一致、傳感器位置一致則劃分為同一種類型。

機組運行參數相關性分析

在機組分類的基礎上，分別針對不同的機組進行參數相關性分析，實現數據降維。

齒輪箱故障預測

基于各類型機組，利用有監督的二分類算法對機組齒輪箱是否發生故障進行分類，從而預測機組齒輪箱故障發生的概率。利用有監督的多分類算法對機組故障類型進行分類，從而預測機組發生的故障類別。

四、應用價值

預警聯合動力機組齒輪箱故障
保證聯合動力機組可靠運行
推動風力發電技術發展

五、相關案例
某風電公司聯合動力機組齒輪箱故障預警模型開發項目

風電機組性能劣化預警

變壓器油色譜濃度預測及故障智能診斷分析

推薦新聞

女生裸体视频一区二区三区_久久久久九九九_美日韩精品视频_欧美日韩亚洲一区二区三区在线_激情成人亚洲_亚洲一区自拍_日韩亚洲精品在线_国产精品入口66mio_亚洲在线日韩_久久亚洲二区

聯系我們

掃碼關注我們

掃碼立即咨詢