【摘 要】
：
风电机组运行工况复杂多变,故障率较高。尽早发现机组故障并及时处理,能够有效减少停机时间,避免重大事故,降低运维成本。风场的监控与数据采集（Supervisory Control and Data Acquisition,SCADA）系统,可以提供大量机组相关工况变量,如功率、温度、风速等。如何从这些数据中挖掘有效信息,实现风电机组故障早期识别,是风电机组故障预测领域的热点研究课题。本文基于深度学习
论文部分内容阅读
风电机组运行工况复杂多变,故障率较高。尽早发现机组故障并及时处理,能够有效减少停机时间,避免重大事故,降低运维成本。风场的监控与数据采集（Supervisory Control and Data Acquisition,SCADA）系统,可以提供大量机组相关工况变量,如功率、温度、风速等。如何从这些数据中挖掘有效信息,实现风电机组故障早期识别,是风电机组故障预测领域的热点研究课题。本文基于深度学习算法,对风电机组SCADA数据进行时间和空间特征提取,实现风电机组故障早期识别,具体研究内容如下:（1）基于SCADA数据的时间和空间特性,提出一种空洞卷积（ACNN）和双向长短期记忆网络（Bi-LSTM）相结合的风电机组齿轮箱早期故障识别方法。先用感受野较大的ACNN提取监测变量的空间特征,再用可以从正、反两个方向提取时间序列信息的Bi-LSTM感知空间特征在时间序列上的变化,监测机组健康状态。通过对机组SCADA数据分析,证明所提方法可以有效早期识别风电机组齿轮箱故障。（2）模型ACNN+Bi-LSTM可以从空间和时间角度对SCADA分析,但是ACNN提取空间特征后直接输入Bi-LSTM,没有考虑空间特征对模型预测结果的影响存在差异。在ACNN和Bi-LSTM之间加入自注意力机制（SM）,利用可以捕获全局信息的SM对ACNN提取的空间特征进行自适应权重调整,提高有效空间特征对模型的影响。为了更好展现预测结果波动趋势,用SG算法对预测结果平滑处理。通过对风电机机组SCADA数据分析,证明该方法可以较早对机组齿轮箱故障和电气故障进行识别。
其他文献
电力变压器是电力系统中的重要设备,也是电能输送环节的重要一环,对电力变压器进行状态监测是十分有必要的。在各类状态监测方法中,振动法可在变压器带电运行情况下,对内部元件丰富的状态信息进行感知,且采集设备简单、安全性和经济性较好。本文主要对电力变压器振动信号的分析与识别方法进行研究。考虑振动信号和运行工况数据的相关性,基于Lempel-Ziv算法计算变压器振动信号的复杂度,量化分析不同工况、不同年份变
随着我国能源互联网建设的不断推进,作为核心节点的智慧综合能源站的重要性愈发凸显。智慧综合能源站是综合能源服务的核心,与传统变电站以及智能变电站相比,其依托广泛分布的变电站,集成了变电、储能、充电、光伏等,是电网运行监控和管理的支撑节点。其二次系统是电力系统的重要组成部分,对保障整站甚至电网的安全稳定运行具有重要意义。智慧综合能源站二次系统虽然仍以变电站二次系统为主体,但融合了综合能源部分的二次设备
模块化多电平换流器（Modular Multi-level Converter,MMC）具有开关损耗低、电能质量好、集成度高等优势,因而展现出极其优越的工程应用前景,广泛应用于高电压大容量输电领域。目前,基于MMC的高压直流输电系统（modular multilevel converter-high voltage direct current transmission,MMC-HVDC）已经成为
极端气象条件下引发的灾害易使电网设备发生停运。为加强电网应对极端气象灾害能力,充分提升电网韧性,对极端气象条件下考虑电网韧性的设备应急维修策略优化进行研究。将电网设备的应急维修分为灾前预防检修与灾后应急维修两个阶段,期望通过应急维修手段提升电网应对极端气象灾害的能力,减轻极端气象灾害带来的经济损失。由于极端气象灾害具有小概率高风险特征,传统的可靠性指标无法刻画电网面对极端气象灾害时的性能变化,需通
多接入边缘计算（Multi-access Edge Computing,MEC）网络提供了卸载更快速、资源更丰富的新型组网方式,为复杂计算任务的快速处理带来了可实现方案。无人驾驶飞行器（Unmanned Aerial Vehicle,UAV）辅助的MEC网络使得网络部署和接入更灵活、覆盖范围更广泛。在应急通信和低成本覆盖等情景下,针对用户匹配和卸载方式进行优化是提升MEC系统效用的重要方法。针对无
随着光伏装机容量不断增多,影响光伏发电效率和生产安全的故障问题也越来越受到重视,而热斑是影响光伏电站非正常运行的主要因素之一。热斑在潜伏期会影响光伏发电效率,在没有干预的情况下,热斑会继续发展,导致该区域温度不断上升,直接影响光伏电站的安全运行,然而,传统检测方法效率较低,准确率不高,因此对光伏组件进行高效准确地热斑检测是保障光伏发电系统安全正常运行的关键环节之一。本文以光伏电站采集的光伏组件红外
电站煤粉锅炉燃烧产生的NO及NO2是导致酸雨、光化学烟雾、平流层臭氧破坏和全球气候变暖等灾害的重要诱因,如何有效控制NOx一直受到重视,炉内分级燃烧通过碳基表面异相还原NOx是目前被普遍采用的低氮控制手段,但仍存在大量理论问题待解。本文基于量子化学理论中的密度泛函计算方法,对炉内碳基表面异相还原NOx的相关化学反应机理进行探究,从分子层面揭示燃煤过程中NOx异相还原反应路径过程,为燃煤电厂分级燃烧
随着工业4.0进程的不断推进,企业的生产模式正由传统模式向自动化、智能化模式转变。利用工业机器人进行工件的自动抓取,可以节省工业成本、提高工作效率。将工业机器人与工业相机相结合进行物体分拣,是一个重要的研究领域。本文根据深度学习和机器视觉建立一个工业机器人识别抓取系统,工业机器人控制系统能从外界获取目标物体的类别、位置及位姿。根据实体机器人几何参数,搭建机器人运动仿真平台,建立工业机器人运动学模型
电力行业一直致力于实现发电的清洁化、低碳化。当前,光伏电站、风电场等新能源发电在电力系统中日益增多。与传统能源发电相比,新能源发电虽然碳排放低,但随着并网容量的增大,光伏发电、风电对系统的影响越来越明显。新能源具有间歇性、波动性、反调峰、可控性差等特点,因此需要改变传统的电源规划方法。科学、合理地配置风电、光伏等清洁能源发电量,既是充分发挥多能源电力系统综合效益的重要前提,也是现阶段推进清洁能源电
多接入边缘计算（MEC）能够高效处理边缘设备所产生的数据,在无线网络边缘为设备提供计算资源。将非正交多址接入（NOMA）技术应用到MEC能够有效增加设备连接数量并且提高用户的卸载效率。尽管非正交多址接入-多接入边缘计算（NOMA-MEC）系统具有诸多优势,但其仍存在不足之处,如利用中继辅助传输带来的信息安全泄漏及针对工业互联网控制类应用业务场景下的信息接收新鲜度问题。因此,本文主要从物理层安全和信