風(fēng)機(jī)故障預(yù)警系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn).pdf

1、隨著風(fēng)電行業(yè)的迅猛發(fā)展，風(fēng)電企業(yè)對軟件平臺的需求也逐漸擴(kuò)大。通常風(fēng)電場商只提供風(fēng)機(jī)的基本運(yùn)行信息，這些數(shù)據(jù)無法滿足風(fēng)電企業(yè)進(jìn)行高質(zhì)量的統(tǒng)計(jì)分析和決策要求。尤其是風(fēng)機(jī)結(jié)構(gòu)越來越復(fù)雜的情況下，導(dǎo)致風(fēng)機(jī)發(fā)生故障越發(fā)的頻繁和復(fù)雜，由此給風(fēng)機(jī)帶來昂貴的維護(hù)成本。如何能夠給企業(yè)帶來經(jīng)濟(jì)效益的最大化，針對風(fēng)電企業(yè)所面臨的這個問題，本文對風(fēng)機(jī)故障預(yù)警的應(yīng)用作了以下研究。
　　本文對風(fēng)電場工業(yè)庫中兩年的風(fēng)機(jī)故障歷史信息進(jìn)行了分類統(tǒng)計(jì)，根據(jù)故障發(fā)生時(shí)

2、間段的波動情況，對發(fā)生每一個種類的故障進(jìn)行參數(shù)篩選，并不是所有的參數(shù)波動都是比較明顯易區(qū)分的，因此在此基礎(chǔ)上引進(jìn)了決策樹算法，由于決策樹是基于熵的最大化理論對單一故障分類具有很好的效果，針對風(fēng)機(jī)發(fā)生不同種類故障的情況下分別對風(fēng)機(jī)故障進(jìn)行決策樹模型的創(chuàng)建，根據(jù)風(fēng)機(jī)不同種類故障模型的創(chuàng)建過程中，根據(jù)熵的最大化理論，找出針對不同種類風(fēng)機(jī)故障中導(dǎo)致熵最大化的參數(shù)，從而進(jìn)一步的優(yōu)化參數(shù)的范圍。針對實(shí)際情況中，導(dǎo)致風(fēng)機(jī)發(fā)生故障是多類型的，如何高效的

3、針對多類別進(jìn)行分類，本文采用了基于支持向量機(jī)作為決策的先決條件對多類別的故障進(jìn)行劃分，并建立了決策樹基于svm的多分類的模型進(jìn)行驗(yàn)證，并且效果比較明顯。基于上述風(fēng)機(jī)多分類的模型創(chuàng)建，在此基礎(chǔ)上采用Spring MVC+Mybits的架構(gòu)，對風(fēng)機(jī)預(yù)警進(jìn)行實(shí)現(xiàn)。
　　最后，本文對平臺的適配性進(jìn)行詳細(xì)的研究。分析了不同風(fēng)電場，不同風(fēng)機(jī)的差異，并實(shí)現(xiàn)了適應(yīng)這些差異的方法。此方法已在遼寧，內(nèi)蒙，寧夏三個風(fēng)電場項(xiàng)目上投入使用，適配性得到了充分