为提高风电机组部件故障预警的精度和速度,文章提出了一种基于SCADA数据的风电机组部件故障预警方法,用于解决现存的风电机组部件故障预警时间与故障预警精度的矛盾。首先SCADA历史数据通过数据预处理与BP神经网络建立机组部件正常状态模型,随后以该模型为基础结合基于马氏距离的数据统计方法形成故障预警判据,并将结果反馈给SCADA系统达到风电机组部件故障预警目的。仿真结果表明,使用该方法能够提前2个月识别主轴承故障信号,同时该方法能发现SCADA系统误报故障。
无线互联科技
2018年13期
