摘要：风能被认为是一种最清洁的能源,最近几年发展迅速,随着风力发电的规模不断扩大,对风机的维护有了更高的要求,风机的故障维修成本非常高,同时也严重影响风机的发电量,发电企业及风电装备制造商对风机的状态监测要求更高,需做到提前发现、提前预警、预防检修,颠覆了传统的风机故障检修模式,然而目前的监控软件平台无法满足高效率、高质量的统计分析及决策要求,随着计算机处理能力的加强,特别是机器学习技术的发展和完善,各专业逐渐将机器学习和机器设备的运行信息结合起来,神经网络作为机器学习的重要部分,希望通过神经网络技术对设备的故障进行诊断,通过运行数据分析,预测即将发生的故障,经过近几年的发展,基于RBF,决策树,等神经网络技术在故障判别和运行数据预测等方面逐渐发展起来.通过该技术的应用,可以对大部件损坏进行预防与诊断,降低故障及大部件的损坏程度,降低维护成本,提高效益的目的.本文对风场数据库中50台风力发电机组机近两年的数据进行了统计分析,根据故障发生的种类进行数据筛选,引入了神经网络模型对风机故障进行分类研究.
