基于BP神经网络风电机组发电机状态监测研究.pdf

2012年 1O月 吉 林 电 力 Oct．2012 第 4O卷 第 5期 (总第222期) JilinElectricPower Vo1．40 No．5 (Ser．No．222) 基于BP神经网络的风 电机组发电机状态监测研究 W indTurbineGeneratorConditionM onitoringBasedonBP 宋谷月 ，王 滨 ，刘博睿。 (1．东北 电力大学，吉林 吉林 132012；2．四平供 电公 司，吉林 四平 136000； 3．元宝山发电有限责任公司，内蒙古 赤峰 024070) 摘 要 ：采用温度趋势分析的方法监测风电机组发 电机 的运行状态 ；使用BP神经网络 ，建立发 电机正常工作状态 下的温度模型并用其进行温度预测；合理选择训练样本，使BP模型覆盖发电机的正常工作空间；当发电机工作异 常时，其动态特性偏离正常工作空间，导致 BP网络温度模型预测残差的分布特性发生变化 ；当残差超过预先设定 的阈值时，发出报警信息，提示运行人员检查设备状态 。 关键词 ：状态监测 ；发 电机 ；BP神经 网络 ；残差 Abstract：Temperaturetrendanalysisisaneffectivemethodtomonitorthewindturbinegeneratorcondition．BP neuralnetwork hasbeenusedtoconstructtemperaturemodelofgeneratorundernormalconditionsandappliedfor temperatureforecasting．BP modelcouldcoverthenormalwork spaceofgeneratorbasedonreasonableselecting training samples．W hen the generatorworks abnormally，itsdynam iccharacteristicdeviatesfrom the normal workingspace ，whichmaycausethechangeofdistributioncharacteristicoftheforecastedresidualbyBPnetwork mode1．Whentheresidualexceedsapredefinedthreshold，alarm willbetriggeredtoremindtheoperatortocheck thegeneratorcondition． Keywords：conditionmonitoring；generator；backpropagation (BP)neuralnetwork；residuals 中圈分类号：TM6l4 文献标志码 ：A 文章编号：1009—5306(2012)O5—0029—04 风电机组状态监测技术是采用 多种方法和手 机的温度。采用滑动窗 口统计方法分析了模型的预 段对机组的重要部件 (叶轮、齿轮箱 、发电机等)进行 测输出和发电机实际温度之间的残差 。当发电机运 在线监测和分析，评估其运行状态 ，尽早发现故障征 行异常时，其温度残差 的统计特性会发生较大的改 兆，避免和减轻严重的设备损坏，确定合理的维护时 变，从而达到故障的早期监测和诊断。 问和方案 ，从而达到大幅降低维护成本的 目的。 文献[1]对近年来的风 电机组不 同部分的状态 1 风 电机组发电机 SCADA监测参数 监测方法进行了系统的分析和综述 。文献 [23采用 BP神经 网络对发 电机齿轮箱温度和发 电机温度进 本文研究的风 电机组发电机的额定功率 P一 行建模并预测 ，采用多 Agent方法对不同部件的诊 1500kW ，