针对风电机组部件故障导致的计划外或事后维护会导致长时间的风电机组停运,从而导致运营成本上升,因此,提出基于支持向量机的风电机组故障预测。首先通过对风电场数据采集与监视控制(Supervisory Control And Data Acquisition,SCADA)系统的数据进行预处理,筛选出合适的SCADA数据,结合功率曲线过滤和分析故障和报警数据;其次,从参数阈值以及维修记录等角度对数据集进行标注;然后应用支持向量机(Support Vector Machine,SVM)分类技术,通过分析其它数据,如温度、桨距角和风速数据,识别故障和无故障运行;最后将其扩展到在特定故障发生之前进行预测和诊断。结果表明在预测某些特定类型的故障方面预测精度高达92%,可以检测早期故障并根据需要安排维护,从而避免不必要的定期检查。
展开▼
