风力发电机状态预测与故障诊断的研究  

State Prediction and Fault Diagnosis of Wind Turbines

作　　者：吴建军[1] 杨俊华[1] 杨梦丽[2] 曾君[3] 杨金明[3] 

机构地区：[1]广东工业大学自动化学院,广州510006 [2]国网河南省电力公司检修公司,郑州450052 [3]华南理工大学电力学院,广州510641

出　　处：《华东电力》2013年第12期2561-2566,共6页East China Electric Power

基　　金：国家自然科学基金项目(60904078)~~

摘　　要：为完成风力发电机状态的预测与故障诊断,提出一种整体化方法,时间序列ARMA模型用于趋势预测,最小二乘支持向量机(LS-SVM)用于故障诊断。应用傅里叶变换、包络分析、倒频谱分析和小波分析相结合的方法提取发电机故障特征量;由MATLAB软件实现ARMA预测模型的构建,完成状态预测;将由预测值组成的测试样本或者其他测试样本输入到训练好的LS-SVM多类分类器中,进行风力发电机故障诊断。通过实例验证,时间序列ARMA模型、最小二乘支持向量机的方法能够准确、可靠地完成风力发电机的状态预测与故障诊断。For the state prediction and fault diagnosis of wind turbines, this paper presents an integrative method, where time series ARMA model and least squares support vector machine （LS-SVM） are employed for trend prediction and fault diagnosis respectively. First of all, extract the generator fault eigenvalue by the integrative use of the Fourier transform, envelope analysis, cepstrum analysis and wavelet analysis method ; then complete state prediction using ARMA predictive model constructed by MATLAB software; finally conduct wind turbine fault diagnosis after in- putting the test samples composed of prediction values or other test samples into the trained LS-SVM classifier. Case studies have verified that time series ARMA model and LS-SVM can complete the wind turbine state forecasting and fault diagnosis accurately and reliably.

关 键 词：状态预测 ARMA模型 最小二乘支持向量机 故障诊断 MATLAB 

分 类 号：TP306[自动化与计算机技术—计算机系统结构] TM614[自动化与计算机技术—计算机科学与技术]