文献类型：期刊文章

作　　者：肖桂雨[1] 向健平[2] 凌永志[2] 何嘉平[2]

XIAO Gui-yu;XIANG Jian-ping;LING Yong-zhi;HE Jia-ping(China-EU Institute for Clean and Renewable Energy, Huazhong University of Science and Technology,Wuhan 430074, China;Hunan Province 2011 Collaborative Innovation Center of Clean Energy and Smart Grid,School of Energy and Power Engineering,Changsha University of Science and Technology,Changsha 410114,China)

机构地区：[1]华中科技大学中欧清洁与可再生能源学院,湖北武汉430074 [2]长沙理工大学能源与动力工程学院,清洁能源与智能电网湖南省2011协同创新中心,湖南长沙410114

出　　处：《电力科学与技术学报》

基　　金：湖南省科协“海智计划”(XKX-HZJH2017-06);湖南省长沙市科技局科技计划(k1508017-11)

年　　份：2019

卷　　号：34

期　　号：2

起止页码：195-202

语　　种：中文

收录情况：AJ、BDHX、BDHX2017、CAS、CSA、CSA-PROQEUST、IC、INSPEC、JST、PROQUEST、RCCSE、ZGKJHX、ZMATH、核心刊

摘　　要：针对风力发电场风力不可控、风况复杂和数据的非平稳性现状,利用风力发电场SCADA大数据,对风力发电机组进行分析,提出一种基于小波分析和神经网络的智能算法,通过分析风力发电机相关故障信号的特征,实现对风力发电机的故障诊断和预测。最后对大熊山风电场2MW 风力发电机组运行数据进行仿真和分析,仿真结果表明,小波神经网络是一种风力发电机故障诊断和预测的有效方法。

关 键 词：SCADA数据  故障预测 小波分析 神经网络

分 类 号：TM315] TK8]