大數(shù)據(jù)下風(fēng)電機組發(fā)電機故障預(yù)警方法的研究.pdf

1、近年來，風(fēng)能作為清潔能源為改善我國能源結(jié)構(gòu)發(fā)揮著越來越重要的作用，風(fēng)力發(fā)電得到了迅猛發(fā)展。隨著風(fēng)電機組大規(guī)模地投入運行，以及風(fēng)電場特殊的選址和負(fù)荷的不穩(wěn)定，部分機組出現(xiàn)了運行故障，影響了風(fēng)電場的安全穩(wěn)定運行。風(fēng)力發(fā)電機作為風(fēng)電機組故障率較高的部件，對其進(jìn)行狀態(tài)監(jiān)測和故障診斷可以及時發(fā)現(xiàn)故障并安排檢修，降低發(fā)電成本，從而提高風(fēng)電廠的競爭力。隨著信息采集系統(tǒng)應(yīng)用的擴展，風(fēng)電機組狀態(tài)監(jiān)測的廣度和深度不斷加強，生成的數(shù)據(jù)呈海量特征。如何存儲和處

2、理不斷增長的海量狀態(tài)監(jiān)測數(shù)據(jù)，進(jìn)行快速有效地故障診斷與預(yù)警成為了重要的課題。在此背景下，本文對上述問題展開研究。
　?。?）針對海量狀態(tài)監(jiān)測數(shù)據(jù)，提出了結(jié)合Storm實時流數(shù)據(jù)處理和Spark內(nèi)存批處理技術(shù)的風(fēng)電機組在線故障診斷與預(yù)警模型，解決了在保證精度情況下進(jìn)行快速處理的問題。（2）針對電力數(shù)據(jù)中大多屬性是連續(xù)型的，設(shè)計融合了模糊集和粗糙集理論的屬性約簡算法RDD-AD，利用模糊C均值聚類算法（FCM）對各個電力特征進(jìn)行模糊化

3、，通過分層計算屬性的依賴度實現(xiàn)冗余電力屬性的約簡，提高了故障診斷的精確性和有效性，為故障診斷的數(shù)據(jù)預(yù)處理階段提供有效參考。（3）針對約簡后的數(shù)據(jù)，設(shè)計了RDD-NB算法，利用樸素貝葉斯算法方法簡單、準(zhǔn)確率高、速度快適合大量數(shù)據(jù)的分類的優(yōu)勢，對故障進(jìn)行了有效的診斷。（4）針對風(fēng)力發(fā)電機組所處特殊的惡劣環(huán)境和復(fù)雜多變的運行工況，設(shè)計融合了深度信念網(wǎng)絡(luò)（DBN）、BP算法以及分布式和multi-agent思想的風(fēng)電機組故障特征值預(yù)測方法RDD

4、-DBNS-MA。利用DBN中的受限波爾茲曼機（RBM）貪婪地逐層預(yù)訓(xùn)練，優(yōu)化了網(wǎng)絡(luò)的初始權(quán)值，加快了訓(xùn)練的收斂速度和預(yù)測精度，解決了傳統(tǒng)的振動分析方法難以準(zhǔn)確及時提取故障特征和標(biāo)量化預(yù)警指標(biāo)的問題。
　　最后，進(jìn)行實驗測試與算例分析。選用某風(fēng)電場的真實運行數(shù)據(jù)，在實驗室搭建的云計算集群上對提出的算法進(jìn)行性能測試，采用Spark技術(shù)中的RDD（彈性分布式數(shù)據(jù)集）編程模型，對給出的算法進(jìn)行了并行化設(shè)計，提高了其處理海量高維數(shù)據(jù)的能力