基于SCADA数据特征提取的风电机组变桨轴承状态识别  

State recognition of WTGS pitch bearing based on SCADA data feature extraction

作　　者：陈茜 李文明 苏亮 CHEN Qian;LI Wen-ming;SU Liang

机构地区：[1]五凌电力有限公司新能源分公司,湖南长沙410029

出　　处：《水电站机电技术》2024年第6期24-27,共4页Mechanical & Electrical Technique of Hydropower Station

摘　　要：针对风电机组变桨轴承磨损和断裂两种主要故障类型,基于机组SCADA数据分析,利用Relief-F特征参数提取,得到了变桨轴承故障主要的特征参数。再通过PCA主成分分析法对SCADA数据进一步除杂和优化,减少了输入样本的误差和数量。最后,运用ELM学习机对变桨轴承磨损和断裂状态进行识别,结果表明该方法能够准确识别变桨轴承状态,其准确率和诊断速率也明显高于常用的BP神经网络学习和SVM支持向量机。

关 键 词：风电机组 变桨轴承故障 SCADA数据 Relief-F特征参数 PCA-ELM算法 

分 类 号：TK83[动力工程及工程热物理—流体机械及工程]