基于BP神經網(wǎng)絡的風機故障預警.pdf

1、近年來，由于環(huán)境問題的不斷惡化和化石資源的儲量逐漸減少，世界各國不得不開始重視開發(fā)和調整能源消費方向，可再生、無污染的新型能源逐漸被納入各國能源消費體系。
　　隨著空氣動力學理論日趨完善及新材料技術的普及與應用，風力資源的利用效率迅速提升，使得風力發(fā)電設備的收益率迅速提升，風力資源的利用已經成為各國調整能源消費結構的重要手段之一。
　　中國是一個風力資源儲量極其巨大的國家，在內陸及近海中，理論上可以開發(fā)利用的風能儲量達10余

2、億kW，發(fā)展利用潛力巨大。近年來我國對風力資源的政策支持力度也越來越大，歷屆經濟發(fā)展規(guī)劃中的風電裝機容量均在不斷上調，除西藏外，全國各個省、市、自治區(qū)都建立有大型風力發(fā)電場，分散式的小型風力發(fā)電機更是市場廣泛。
　　根據(jù)行業(yè)統(tǒng)計計算，我國風力發(fā)電行業(yè)單位千瓦的維護費用在30-50元，項目平均的年度收益率在10％左右。隨著單機容量的提升，風力發(fā)電機組零部件單價也迅速提高，在長達二十年的設備生命周期內，設備日常維護費用已成為影響項目收

3、益的主要因素。如何提高產品質量、降低維護費用，已經成為設備制造商和風力發(fā)電場投資商的主要研究課題
　　本文通過風力發(fā)電機組的運行特點，結合BP神經網(wǎng)絡的技術，對風力發(fā)電機組的典型故障數(shù)據(jù)進行分析研究，給出了一種基于BP神經網(wǎng)絡的風力發(fā)電機組故障預警技術。本文通過分析風力發(fā)電機結構及變槳系統(tǒng)故障原理，選取風力發(fā)電機變槳系統(tǒng)中的典型器件的典型故障數(shù)據(jù)，通過在BP神經網(wǎng)絡環(huán)境下對該故障數(shù)據(jù)進行訓練，并采用不同的BP網(wǎng)絡算法對故障數(shù)據(jù)結果