随着我国风电产业高速发展,风电机组服役时间延长,故障率和运维成本随之增加。利用人工智能算法对风电大数据进行数据挖掘,实现风电机组的状态监测与故障诊断,对风电产业提质增效具有重要的现实意义,近年来逐渐成为研究热点。文中介绍...随着我国风电产业高速发展,风电机组服役时间延长,故障率和运维成本随之增加。利用人工智能算法对风电大数据进行数据挖掘,实现风电机组的状态监测与故障诊断,对风电产业提质增效具有重要的现实意义,近年来逐渐成为研究热点。文中介绍了风电机组数据采集与监控(Supervisory Control and Data Acquisition, SCADA)系统和振动信号数据的特性,阐述了风电机组状态监测和故障诊断智能算法的框架,归纳总结了相关研究成果,并对风电机组状态监测和故障诊断技术所面临的挑战和发展趋势进行了展望。展开更多
文摘随着我国风电产业高速发展,风电机组服役时间延长,故障率和运维成本随之增加。利用人工智能算法对风电大数据进行数据挖掘,实现风电机组的状态监测与故障诊断,对风电产业提质增效具有重要的现实意义,近年来逐渐成为研究热点。文中介绍了风电机组数据采集与监控(Supervisory Control and Data Acquisition, SCADA)系统和振动信号数据的特性,阐述了风电机组状态监测和故障诊断智能算法的框架,归纳总结了相关研究成果,并对风电机组状态监测和故障诊断技术所面临的挑战和发展趋势进行了展望。