电器与能效管理技术
電器與能效管理技術
전기여능효관리기술
Low Voltage Apparatus
2015年
15期
35-40
,共6页
风电机组%故障诊断%条件概率分布%自学习
風電機組%故障診斷%條件概率分佈%自學習
풍전궤조%고장진단%조건개솔분포%자학습
为了使故障诊断系统能够提供日常有效的维护建议和有针对性的维修计划,降低风电场的维护成本,提升其产量,在对风电机组的监控数据进行分析、分类的基础上,提出一种基于条件概率分布的数据异常状态自学习评估方法.定义了数据异常度的评价指标,实现了基于数据的风电机组低成本故障诊断,并利用风电场历史数据进行了算例训练与验证.结果表明,基于自学习概率模型的故障诊断方法可有效反映风电机组的异常状态信息.
為瞭使故障診斷繫統能夠提供日常有效的維護建議和有針對性的維脩計劃,降低風電場的維護成本,提升其產量,在對風電機組的鑑控數據進行分析、分類的基礎上,提齣一種基于條件概率分佈的數據異常狀態自學習評估方法.定義瞭數據異常度的評價指標,實現瞭基于數據的風電機組低成本故障診斷,併利用風電場歷史數據進行瞭算例訓練與驗證.結果錶明,基于自學習概率模型的故障診斷方法可有效反映風電機組的異常狀態信息.
위료사고장진단계통능구제공일상유효적유호건의화유침대성적유수계화,강저풍전장적유호성본,제승기산량,재대풍전궤조적감공수거진행분석、분류적기출상,제출일충기우조건개솔분포적수거이상상태자학습평고방법.정의료수거이상도적평개지표,실현료기우수거적풍전궤조저성본고장진단,병이용풍전장역사수거진행료산례훈련여험증.결과표명,기우자학습개솔모형적고장진단방법가유효반영풍전궤조적이상상태신식.
