风电机组长期工作在恶劣的环境中,导致故障频发,运用合理高效的方法对风电机组部件进行故障预警,具有十分重要的现实意义。首先利用3σ-中位数准则对数据进行预处理,然后利用非线性状态估计(nonlinear state estimate technology, NSET...风电机组长期工作在恶劣的环境中,导致故障频发,运用合理高效的方法对风电机组部件进行故障预警,具有十分重要的现实意义。首先利用3σ-中位数准则对数据进行预处理,然后利用非线性状态估计(nonlinear state estimate technology, NSET)方法对风电机组的齿轮箱温度进行预测。当齿轮箱工作出现异常时,预测值与实际值的残差增大,超出预先设定的阈值发出报警信息。实验结果表明,提出的3σ-中位数准则组合法能够有效识别数据中的异常值,效率高,清洗效果好。对处理后的数据进行NSET建模,利用NSET模型实现了齿轮箱的故障预警。展开更多
文摘风电机组长期工作在恶劣的环境中,导致故障频发,运用合理高效的方法对风电机组部件进行故障预警,具有十分重要的现实意义。首先利用3σ-中位数准则对数据进行预处理,然后利用非线性状态估计(nonlinear state estimate technology, NSET)方法对风电机组的齿轮箱温度进行预测。当齿轮箱工作出现异常时,预测值与实际值的残差增大,超出预先设定的阈值发出报警信息。实验结果表明,提出的3σ-中位数准则组合法能够有效识别数据中的异常值,效率高,清洗效果好。对处理后的数据进行NSET建模,利用NSET模型实现了齿轮箱的故障预警。
