基于數據挖掘的風力發(fā)電機組齒輪箱故障診斷系統研究.pdf

1、風力發(fā)電機組是風電場的關鍵設備，一般分布面積廣，數量多，工作環(huán)境惡劣，而且遠離中央監(jiān)控中心，一旦發(fā)生故障，所造成的損失和后果不可估量。據統計，風力發(fā)電機組的故障主要集中在齒輪箱、發(fā)電機和葉片等部件，其中齒輪箱是機組中故障發(fā)生率最高的，且其故障發(fā)生率還在逐年遞增。所以為了保證風電場的安全穩(wěn)定運行，對風力發(fā)電機組齒輪箱進行有效的狀態(tài)監(jiān)測與故障診斷研究是很有必要的。
　　 目前，國內外已有很多關于風力發(fā)電機組監(jiān)控系統及其各個環(huán)節(jié)的設計

2、和改進的研究。而且已有一些通用狀態(tài)監(jiān)測系統應用到風力發(fā)電領域，但現有的監(jiān)測系統大部分分析和診斷功能比較薄弱，通過對采集點進行閾值設定，采集數據的趨勢分析，僅能看到其在一段時間內的總體水平，當某些數值超出報警限值時，也僅能做出一個初步的故障診斷。
　　 由于風機在日常運行監(jiān)測過程中會產生海量的數據，這些數據中蘊涵大量潛在的規(guī)則，給數據挖掘提供了必要條件?；跀祿诰虼植诩碚摰膶傩约s簡能力和決策樹C4.5算法的快速分類能力，本文建

3、立了一種改進的粗糙決策樹模型，并結合SQLServer2005及VB采用模塊化設計的思路，聯合開發(fā)了風力發(fā)電機組齒輪箱故障診斷系統。通過對比分析，結果表明該改進的算法不僅能有效地減少特征數據獲取的工作量和建樹時間，而且能快速準確地實現故障識別，具有比直接利用決策樹C4.5算法更強的工程實用性。
　　 本文開發(fā)的基于粗糙決策樹的風力發(fā)電機組齒輪箱故障診斷系統，不僅能對風機各數據庫進行管理，而且能快速的對齒輪箱進行故障監(jiān)測與診斷，實