风力发电机组非参数模型状态监测关键问题研究

摘要

风力发电作为一种清洁的可再生能源利用方式，近年来在世界范围内获得了飞速的发展，其中风力发电机组大型设备状态监测成为风电研究领域的重要组成部分。本文在近几年国内外关于风电机组状态监测研究成果的基础上，针对风力发电机组控制、风力发电机组的运行以及风电机组仿真的需要，展开对状态监测关键问题的研究，主要工作内容和创新成果如下:
　　1.详细分析了风力发电机组状态监测的现状，提出基于非参数建模状态监测方法的两个关键问题:输入变量集选取及残差处理。
　　2.由于在建立机组各部件重要测量参数的预测模型时，该测量参数预测模型的输入变量集的确定，是建立其准确模型的关键，因此，预测模型输入变量集的确定是影响预测模型精度的重要因素。本文详细分析了变量集之间的相关关系及判断变量参数相关关系的方法，建立风电机组齿轮箱温度的IPSO-BP状态监测模型，并依据相关关系定量分析的结果来选取IPSO-BP模型的输入变量集，通过对比分析残差结果，总结出非参数模型输入样本集选取的方法。
　　3.在风力发电机组非参数预测模型的残差统计方法中，合适的滑动窗口能够消除由于测量误差，机组启停等偶然因素造成的孤立的较大残差的影响。本文详细分析了双滑动窗口残差统计的方法及原理，指出了双滑动窗口具有能够抑制孤立异常残差的作用，并利用IPSO-BP预测模型加以验证。

目录

声明

摘要

第1章 绪论

1．1 本文研究的目的和意义

1．2 风力发电机组状态监测的研究

1．2．1 风力发电机组状态监测的必要性

1．2．2 国内外研究现状

1．3 本课题的主要研究内容

第2章 基于IPSO-BP模型状态监测的研究

2．1 引言

2．2 IPSO-BP神经网络基本原理

2．3 基于IPSO-BP模型状态监测

2．3．1 IPSO-BP网络结构及训练样本的选择

2．3．2 IPSO-BP网络的训练及验证过程

2．4 齿轮箱温度IPSO-BP神经网络模型预测残差统计分析

2．4．1 滑动窗口残差均值与标准差统计

2．4．2 齿轮箱工作异常时温度残差统计特性分析

2．4．3 齿轮箱预测残差分析

2．5 本章小结

第3章 关键问题一：非参数模型输入变量集选取

3．1 引言

3．2 相关性分析的概述

3．3 基于IPSO-BP模型输入变量集选取的比较分析

3．3．1 作散点图

3．3．2 从物理和能量转换的角度分析参数与齿轮箱温度的相关关系

3．3．3 基于IPSO-BP模型输入变量集选取的比较分析

3．4 本章小结

第4章 关键问题二：基于莱特准则的双滑动窗口残差统计方法

4．1 引言

4．2 基于莱特准则的双滑动窗口残差统计方法

4．2．1 莱特准则判别方法

4．2．2 双滑动窗口残差统计方法概述

4．3 基于IPSO-BP模型双滑动窗口残差统计方法

4．4 本章小结

第5章 结论与展望

参考文献

攻读硕士学位期间发表的论文及其它成果

致谢