简介:超短期风速预测对风电场功率预报系统的建立和运行至关重要。针对具有较大随机波动性的风速预测,研究了一种基于误差修正的极端学习机(ELM)超短期风速预测方法。利用ELM模型对风速进行初步预测,并利用由此得到的误差数据样本建立差分自回归滑动平均模型(ARIMA),进行误差预测,最后使用预测误差对风速的初步预测值进行补正,从而求得最终预测值。仿真实验结果表明,该方法在风速超短期预测中的可行性及有效性。
简介:定子绕组故障一般起因于接地壁或者匝间绝缘故障。故障机理包括绝缘中的薄弱部分逐渐的发展。这种薄弱部分通常是连续不断地扩张的空穴所造成的,而这种扩张则是由于不断增加的电晕或局部放电活动所引起的。这个故障方式是从内向向外的。近来在实际电机上的故障研究,和耐压试验下的线圈研究,表明故障能够从外向内发生。表面污染导致剧烈的表面放电和漏流径形成。这种表面放电在电晕活动的向内运动之后能够导致迅速的绕组故障。本文把漏流径形成视作一种故障机理,并对目的在于比较绝缘材料的防漏流径形成能力的一系列标准绝缘材料试验作了叙述。这些试验表明,绝缘材料的结合能够降低一个相当坚固的绝缘系统的防漏流径形成能力,并使其容易发生故障。
简介:为满足风机运营商对设备故障实时监控和预测的需求,探讨了基于自回归积分滑动平均模型(ARIMA)和非线性自回归神经网络模型(NARNN)的组合模型NARIMA。实现方法为:建立ARIMA模型用于预测数据的线性成分,用NARNN模型预测由ARIMA模型预测产生的残差部分,对风机叶片结冰故障的时间序列进行拟合,得到的NARIMA模型可实现对风机叶片结冰故障准确预测。仿真结果表明:NARIMA模型能较好地拟合所给时间序列,预测值符合实际情况和趋势,证明了NARIMA模型的有效性。
简介:针对大型设备故障诊断中特征量表现出来的不确定性和非精确性,提出了一种基于灰色关联理论来获取基本概率测度(BPA)的方法。该方法确定各故障特征量的参考样本,然后根据灰色相关性理论求得待诊断样本的相关系数,所取得的相关系数进行归一化处理即得到BPA值,经过Dempster多源组合规则进行多证据融合,得到最后的诊断结果。将所提方法用于电机转子故障诊断,实验结果表明该方法有效。