论文研究 - 基于SCADA数据和人工神经网络的风机主轴承故障自动预测

随着对风能的需求持续以指数级的速度增长，降低运行和维护（O＆M）成本并提高可靠性已成为风力涡轮机维护策略中的重中之重。 在风力涡轮机故障达到灾难性阶段之前对其进行预测对于降低由于不必要的定期维护而导致的运维成本至关重要。 利用基于SCADA数据的状态监视系统，该系统利用了已经在风力涡轮机控制器处收集的数据，是一种经济高效的方法，可以监视风力涡轮机以进行故障预警。 本文提出了一种基于人工神经网络（ANN）的基于存储的SCADA数据的风力发电机主轴承故障预测和自动生成警告和警报的方法。 建立了汽轮机主轴承正常行为的ANN模型，然后计算出该参数的估计值与实际值之间的偏差。 此外，已经开发了一种用于产生预警和警报并且避免基于该偏差的误报和警报的方法。 通过这种方式，风电场运营商能够有足够的时间来计划维护，因此，可以避免意外停机，并可以降低运维成本。