1、“.....可以看出,表中所列出的个和分别是的最大值和最小值。差异值反映单台风电机组在不同时刻的状态差异,同时也反映台机组的状态差异。值越大,表明种状态差异越大。如果其中种状态为正常状态,则另种状态就越偏离正常状态。为了进行定量判断,依据准则设定机组偏离正常状态的阈值。计算正常机组在相同运行条件下行状态数据模型。以发生传动系统故障之前的个月运行数据年月作为待判断数据异常数据,对多项式回归分析法的效果进行分析验证。对数据的风电机组传动系统故障状态监测探究原稿。差异性判断法根据台风电机组在不同时刻数据的多项式回归模型系数的差异大小,可以判断该机组状态的变化。或者根态差异越大。如果其中种状态为正常状态,则另种状态就越偏离正常状态。为了进行定量判断,依据准则设定机组偏离正常状态的阈值。计算正常机组在相同运行条件下的多组值,求其均值和标准差......”。

2、“.....可以实现运行状态的量化判断。分析案例机组及对数据的风电机组传动系统故障状态监测探究原稿计算,表明该方法可以在系统发出故障报警之前实现异常状态判断,这样可以及时采取相应措施,避免异常状态的进步发展而导致设备故障报警停机状况。参考文献郭鹏,杨锡运风电机组齿轮箱温度趋势状态监测及分析方法中国电机工程学报,姚万业,李新丽据的风电机组传动系统故障状态监测探究原稿。差异性判断法根据台风电机组在不同时刻数据的多项式回归模型系数的差异大小,可以判断该机组状态的变化。或者根据正常状态和异常状态风电机组的多项式回归模型系数的差异大小,判断异常状态。设异常状态的多项式回归模型系数矩阵为正常状态的多项式回的合理运行维护提供技术支持。表几个风速段的多项式回归系数及值表结语利用多项式回归法建立风电机组数据之间的关系矩阵,根据正常状态和异常状态的差异值,实现异常状态的判断......”。

3、“.....即故障程度。通过对风电场的风电机组数据进行分析断可再生能源,董玉亮,李亚琼,曹海斌等基于运行工况辨识的风电机组健康状态实时评价方法中国电机工程学报,。数据选择及预处理监测参数筛选。以风电机组传动系统为例,所涉及的主要部件包括主轴及其支撑轴承齿轮箱制动装置等。与传动系统相关的监测参数包括低速轴转速高速段的多项式回归系数及值表结语利用多项式回归法建立风电机组数据之间的关系矩阵,根据正常状态和异常状态的差异值,实现异常状态的判断。值反映了机组异常状态与正常状态的偏离程度,即故障程度。通过对风电场的风电机组数据进行分析计算,表明该方法可以在系统速轴转速齿轮箱油温齿轮箱轴承温度齿轮箱振动以及发电机功率和风速等。监测数据预处理。风力发电机组运行状态受外界环境影响非常大,运行工况复杂多变。风电机组系统记录的数据包含了许多停机及弃风等非正常运行状态的数据点......”。

4、“.....对数运行状态判断为了更加充分反映正常状态和异常状态的区别,采用对齿轮箱油温齿轮箱轴承温度关系数据散点见图进行多项式回归拟合,根据拟合得到的模型系数,由式计算正常和异常状态的差异值。表列出了个风速区间的正常和异常状态多项式回归拟合系数以及差异值计算结果。可以看出,表中所列出的个行多项式回归拟合计算。为了消除不同风速对数据的影响,将数据分成不同风速区间进行拟合计算,每个区间的风速跨度为。将数据关系在切入风速到额定风速之间划分为个区间,建立参数关系矩阵,分别进行多项式回归拟合。图是个风速区间的正常和异常状态下的取得到的多项式拟合曲线,个风速区间归拟合计算。为了消除不同风速对数据的影响,将数据分成不同风速区间进行拟合计算,每个区间的风速跨度为。将数据关系在切入风速到额定风速之间划分为个区间,建立参数关系矩阵,分别进行多项式回归拟合......”。

5、“.....个风速区间对应的风速归模型系数矩阵为。个模型系数的差异性用式计算式中为当前待判断的多项式回归系数为正常状态下相同数据的多项式回归系数和分别是的最大值和最小值。差异值反映单台风电机组在不同时刻的状态差异,同时也反映台机组的状态差异。值越大,表明种状速轴转速齿轮箱油温齿轮箱轴承温度齿轮箱振动以及发电机功率和风速等。监测数据预处理。风力发电机组运行状态受外界环境影响非常大,运行工况复杂多变。风电机组系统记录的数据包含了许多停机及弃风等非正常运行状态的数据点,不规范的原始数据无法直接进行数据挖掘和模型建立。对数计算,表明该方法可以在系统发出故障报警之前实现异常状态判断,这样可以及时采取相应措施,避免异常状态的进步发展而导致设备故障报警停机状况。参考文献郭鹏,杨锡运风电机组齿轮箱温度趋势状态监测及分析方法中国电机工程学报,姚万业,李新丽值计算结果。可以看出......”。

6、“.....均超过了式设定的报警阈值,其中最小值为,最大值为。差异值计算结果充分表明待判断的数据已经偏离正常状态,机组齿轮箱可能出现问题。这分析显示,采用多项式系数差异值可以实现风电机组部件异常状态的预判,可以为实现风电机组对数据的风电机组传动系统故障状态监测探究原稿对应的风速范围分别为。图几个风速段的拟合曲线图从图可知,各个风速区间的异常和正常拟合曲线都存在明显区别,正常状态下的关系曲线比较集中,受风速影响较小,表明齿轮箱油温与轴承温度的关系比较稳定。而异常状态下的关系曲线比较分散,齿轮箱油温和轴承温度变化范围都比较大,且受到风速的影计算,表明该方法可以在系统发出故障报警之前实现异常状态判断,这样可以及时采取相应措施,避免异常状态的进步发展而导致设备故障报警停机状况。参考文献郭鹏,杨锡运风电机组齿轮箱温度趋势状态监测及分析方法中国电机工程学报,姚万业,李新丽变量和之间存在关系,......”。

7、“.....可以做出个变量和之间的关系散点图。用阶多项式对散点图进行拟合式中模型系数为估计值。图正常和异常状态的监测数据关系散点对比图多项式回归拟合结果分析以齿轮箱油温与齿轮箱轴承温度之间的关系数据为例,进齿轮箱油温齿轮箱轴承温度齿轮箱振动以及发电机功率和风速等。监测数据预处理。风力发电机组运行状态受外界环境影响非常大,运行工况复杂多变。风电机组系统记录的数据包含了许多停机及弃风等非正常运行状态的数据点,不规范的原始数据无法直接进行数据挖掘和模型建立。对数据的风电范围分别为。图几个风速段的拟合曲线图从图可知,各个风速区间的异常和正常拟合曲线都存在明显区别,正常状态下的关系曲线比较集中,受风速影响较小,表明齿轮箱油温与轴承温度的关系比较稳定。而异常状态下的关系曲线比较分散,齿轮箱油温和轴承温度变化范围都比较大,且受到风速的影响......”。

8、“.....监测数据预处理。风力发电机组运行状态受外界环境影响非常大,运行工况复杂多变。风电机组系统记录的数据包含了许多停机及弃风等非正常运行状态的数据点,不规范的原始数据无法直接进行数据挖掘和模型建立。对数基于状态监测的风电机组变桨系统故障诊断可再生能源,董玉亮,李亚琼,曹海斌等基于运行工况辨识的风电机组健康状态实时评价方法中国电机工程学报,。图正常和异常状态的监测数据关系散点对比图多项式回归拟合结果分析以齿轮箱油温与齿轮箱轴承温度之间的关系数据为例,进行多项式回的合理运行维护提供技术支持。表几个风速段的多项式回归系数及值表结语利用多项式回归法建立风电机组数据之间的关系矩阵,根据正常状态和异常状态的差异值,实现异常状态的判断。值反映了机组异常状态与正常状态的偏离程度,即故障程度。通过对风电场的风电机组数据进行分析个风速区间的差异值都比较大,均超过了式设定的报警阈值,其中最小值为......”。

9、“.....差异值计算结果充分表明待判断的数据已经偏离正常状态,机组齿轮箱可能出现问题。这分析显示,采用多项式系数差异值可以实现风电机组部件异常状态的预判,可以为实现风电机组的合理运行维护提供技术支持。表几个风机组传动系统故障状态监测探究原稿。运行状态判断为了更加充分反映正常状态和异常状态的区别,采用对齿轮箱油温齿轮箱轴承温度关系数据散点见图进行多项式回归拟合,根据拟合得到的模型系数,由式计算正常和异常状态的差异值。表列出了个风速区间的正常和异常状态多项式回归拟合系数以及差异对数据的风电机组传动系统故障状态监测探究原稿计算,表明该方法可以在系统发出故障报警之前实现异常状态判断,这样可以及时采取相应措施,避免异常状态的进步发展而导致设备故障报警停机状况。参考文献郭鹏,杨锡运风电机组齿轮箱温度趋势状态监测及分析方法中国电机工程学报,姚万业,李新丽的多组值,求其均值和标准差......”。