Print

基于Bi-RNN的风电机组主轴承温度预警方法研究

论文摘要

主轴承是风电机组能量传递的关键设备,本文以双馈风力发电机组主轴承为研究对象,首先采用高斯混合模型（gaussian mixture model,GMM）对机组工况进行辨识;其次在各个子工况空间内建立基于双向循环神经网络（bi-directional recurrent neural network,Bi-RNN）的风电机组主轴承温度模型;然后,采用随机森林算法对主轴承温度模型残差进行建模与预测,从而实现机组主轴承故障预警;最后以某大型风电场机组为对象建模并开展仿真研究.结果表明,基于工况辨识的Bi-RNN神经网络算法结合随机森林算法对主轴承故障预警具有较强的实用性和较高的准确率.

论文目录

  • 0 引言
  • 1 预警方法设计
  • 2 算法原理及实现
  •   2.1 基于GMM的风电机组工况辨识
  •   2.2 基于Bi-RNN神经网络的风电机组主轴承温度模型
  •   2.3 基于随机森林的主轴承故障预警决策
  • 3 实例分析及验证
  • 4 结论

    • 文章来源

    类型: 期刊论文

    作者: 尹诗,侯国莲,于晓东,李宁,王其乐,弓林娟

    关键词: 风电机组,主轴承,工况辨识,随机森林

    来源: 郑州大学学报(工学版) 2019年05期

    年度: 2019

    分类: 工程科技Ⅱ辑

    专业: 电力工业

    单位: 华北电力大学控制与计算机工程学院,中能电力科技开发有限公司

    基金: 中央高校基本科研业务费专项资金资助项目(2019JG004),国家自然科学基金资助项目(61603136)

    分类号: TM315

    DOI: 10.13705/j.issn.1671-6833.2019.05.008

    页码: 45-51

    总页数: 7

    文件大小: 403K

    下载量: 280

    相关论文文献

    本文来源: https://www.lunwen66.cn/article/d4e3f7f0ed6d25578b271bdb.html