基于DRSA和BP神经网络风电机组检修决策.pdf
版权申诉
170 浏览量
2021-09-25
21:29:26
上传
评论 1
收藏 927KB PDF 举报
电 力 系 统 及 其 自 动 化 学 报
Proceedings of the CSU
-
EPSA
Vol.31 No.11
Nov. 2019
第 31 卷 第 11 期
2019 年 11 月
基于 DRSA 和 BP 神经网络风电机组检修决策
王晓东
1
，杨 苹
2
，龙霞飞
1
，唐惜春
3
，管品发
3
（1. 华南理工大学电力学院，广州 510640；2. 华南理工大学广东省绿色能源技术重点实验室，
广州 510640；3. 国家电投集团广西金紫山风电有限公司，桂林 541400）
摘要：为缩减运维成本，降低检修资源配置，提出一种基于优势粗糙集 DRSA 和 BP 神经网络的风电机组检修决
策新方法。基于风电机组多因素序信息系统表，采用优势粗糙集理论方法进行知识约简，获得检修决策规则集，
将提取的规则集作为输入样本对 BP 神经网络进行训练，提高处理不确定性知识的能力。与基于 DRSA 的检修
决策方法进行对比，该方法实现了风电机组的智能检修预测，更能优化机组检修资产的管理，为增加机组检修决
策的透明性、合理性及科学性提供了依据。
关键词：风电机组；优势粗糙集；BP 神经网络；维修决策
中图分类号：TM715 文献标志码：A 文章编号：1003
-
8930（2019）11
-
0081
-
05
DOI：10.3969/j.issn.1003
-
8930.2019.11.012
Maintenance Decision
-
making for Wind Turbines Based on Dominance
-
based Rough Set
Approach and BP Neural Network
WANG Xiaodong
1
，YANG Ping
2
，LONG Xiafei
1
，TANG Xichun
3
，GUAN Pinfa
3
（1. School of Electric Power，South China University of Technology，Guangzhou 510640，China；
2. Guangdong Key Laboratory of Clean Energy Technology，South China University of Technology，Guangzhou
510640，China；3. Guangxi Jinzishan Wind Power Co.，Ltd，SPIC，Guilin 541400，China）
Abstract: To reduce the operation and maintenance cost and lower the allocation of maintenance resources，a novel
maintenance decision
-
making method for wind turbines is proposed based on dominance
-
based rough set approach
（DRSA）and BP neural network. On the basis of the table of multi
-
factor ordered information system for wind turbines，
knowledge reduction is carried out by DRSA，and the set of maintenance decision
-
making rules is obtained. Then，the
extracted rule set is trained as the input sample of BP neural network for the purpose of improving its capability to deal
with the uncertain knowledge. Compared with the DRSA
-
based maintenance decision
-
making method，the proposed
method realizes the prediction of smart maintenance of wind turbines，and it can optimize the management of mainte⁃
nance assets，providing the basis for increasing the transparency，rationality and scientificity of maintenance decision
-
making for wind turbines.
Keywords: wind turbines；dominance
-
based rough set；BP neural network；maintenance decision
-
making
风力发电是现代社会成熟的、效率最为显著的
能源转化技术之一
[1]
。但风力发电机组的维修费用
占整个风场运行成本的 10%~15%左右，海上风电
机组的维修费用甚至高达 20%~25%
[2]
。为缩减运
维成本，降低检修资源配置，制定合理的检修计划
显得至关重要。目前，国内外风电场主要采取事后
维修、机会检修、定期检修、状态检修
[3
-
4]
4 种检修策
略。目前状态检修的诊断手段不够成熟，尚处于不
断完善之中，并且状态监测的成本过高也是阻碍该
项技术发展的关键因素之一。在我国，风电场目前
主要采用事后检修和定期检修相结合的模式。因
此，当风场中几台甚至数十台风机组发生故障时，
如何配置检修资源并合理安排检修顺序对风场运
行效益起着决定性的影响。
目前，在风电机组检修决策方面已取得了一系
列成就。文献[5]采用 TOPSIS分析法评估风机设备
的重要功能单元，从经济性、可靠性、安全性 3 方面
考虑建立了基于风机不同层面的维修方式决策模
型。文献[6]通过确定机会和状态维修阈值函数，基
于威布尔比例失效模型，在多部件机会模型和单部
收稿日期：2018
-
09
-
25；修回日期：2019
-
01
-
12
基金项目：国家电力投资集团公司科技资助项目
王晓东等：基于 DRSA 和 BP 神经网络风电机组检修决策
资源评论
