动态KPCA-TS在风电齿轮箱安全运行中的应用研究

针对风电齿轮箱温度异常监测问题,提出一种基于动态核主元成分分析(KPCA)、T^(2)和平方预测误差(SPE)统计量的风电齿轮箱过程监测方法,实现对风电齿轮箱的在线监测及温度预警。首先,以风电机组群中相同多维特征点之间的相似性原则构造相关系数矩阵,选取合理的风电机组为参考,并获得正常工况下的自适应统计量控制限。其次,引入滑动窗口方法动态调整KPCA模型的训练集和测试集,能够及时感知系统的时变特性。最后,通过风电场SCADA数据验证表明,此方法比传统KPCA监测模型能更好地实现齿轮箱状态在线监测及预警,为风电机组的安全运行提供了帮助。