国电电力河北新能源开发有限公司 张光军 孙立志

现阶段风电行业蓬勃发展，发展高峰期建设的大量风电场现已进入运维高压期，风力发电机造价高昂，维护工作重要性不言而喻。各发电企业深刻认识到风机运维工作紧急性，一方面采取定检定修运维方式保障常规维护，另一方面积极借助信息技术发展东风，采取智能化手段，向状态检修靠近，取得了一定成果。如王斐斐在《基于状态监测信息的风电机组齿轮箱故障预测研究》一文中阐述了应用改进灰色算法和时间序列法获取齿轮箱故障信息，取得预期效果。

T-S 模糊神经网络已广泛应用于各个行业故障预测类业务，本研究课题在各行业应用T-S 模糊神经网络算法的经验和总结基础上，结合风力发电特点，应用T-S 模糊神经网络算法进行风电机组设备状态劣化分析。

1 模糊控制基本原理

风机结构复杂，各大部件自成一体又相互影响，不同运行数据所占权重也很分散，造成评价结果水平不一。要在错综复杂的海量数据中准确识别个别数据在状态评判中所起作用和影响，应用模糊评判进行预测。应用多层评价的方法对风机劣化状态进行评价，该方法的算法思想是，首先对运行数据做低层次模糊综合评价，再对评价结果进行再评价，然后形成评价矩阵，再对评价矩阵做二次模糊综合评价，评价结果即为多层次评价结果。

以二级模糊综合评判为例,多级模糊综合评判分为几个步骤:首先将目标变量的影响因素按层级依次结构化，如将引起风机状态劣化因素集的风机大部件--齿轮箱类故障因素运行数据层级分为齿轮箱入口油温、齿轮箱轴承温度等更小的子影响因素；……