通过建立数据驱动的故障预测模型,可以将故障状态从正常状态中分离出来,进而实现对风力发电机故障的精确诊断。为此,提出一种基于马氏聚类和前馈神经网络的风力机故障诊断策略,通过马氏距离评估实现数据聚类以及正常数据和异常数据的分离;然后以前馈神经网络为基础,根据工程经验构建风力发电机、齿轮箱和发电机3种预测模型;最后利用实验样机数据对所提出的故障预测策略进行验证。实验结果表明所提的风力机故障预测策略可以有效识别风力机输出功率异常、齿轮箱温度异常和发电机温度异常,进而有利于合理地安排维修计划。

重型燃气轮机是提供电力和调节电力波动的重要设备,其组成复杂、精密程度高,发生故障后会产生严重的安全隐患,进而影响经济效益。采用机器学习算法是实现重型燃气轮机健康监测的有效方法。机器学习算法的优化及融合对重型燃气轮机系统的健康运行具有重大意义。介绍了重型燃气轮机健康监测的发展过程;综述了采用不同机器学习算法对燃气轮机大部件及其子部件健康诊断的预测结果;重点分析对比了气路故障和整体状态健康监测、寿命预测的不同