Определение ресурса подшипников ВЭУ с использованием метода машинного обучения

Сибирякова Ангелина Игоревна

Аннотация


Пояснительная записка содержит 70 листов печатного текста, 5 таблиц, 26 рисунков. Для выполнения проекта использовалось 7 книг, 7 научных статей и 2 электронных ресурса.
ВЕТРОЭНЕРГЕТИКА, МАШИННОЕ ОБУЧЕНИЕ, ВОЗОБНОВЛЯЕМАЯ ЭНЕРГИЯ, АСИНХРОННЫЙ ГЕНЕРАТОР, МАТЕМАТИЧЕСКАЯ МОДЕЛЬ.
Темой работы является модернизация контроля износа ветрогенераторов за счет алгоритмов машинного обучения, определяющих износ осевого подшипника на валу на примере ветроустановки, спроектированной в Республике Казахстан для нужд сельскохозяйственных ферм.
Цель выпускной квалификационной работы – разработка алгоритма машинного обучения, определяющего износ осевого подшипника и прогнозирующего срок службы с учетом особенностей ветровой нагрузки.
Выпускная квалификационная работа включает в себя шесть разделов:
1. Анализ состояния энергетики Казахстана и пути её совершенствования.
2. Выбор объекта снабжения электрической энергией.
3. Подбор ветряной электроустановки для построения математической модели.
4. Построение математической модели ветряного генератора и её апробация.
5. Разработка алгоритма машинного обучения для анализа износа радиального подшипника ветроустановки.
6. Апробация математической модели ВЭУ с подшипником с применением алгоритмов машинного обучения для анализа износа радиального подшипника.


ANNOTATION
Thesis contains 71 pages, 5 tables, 7 books, 7 science articles and 2 electronic sources.
WIND ENERGY, MACHINE LEARNING, RENEWABLE ENERGY, ASYNCHRONOUS GENERATOR, MATHEMATICAL MODEL
The theme of the thesis is modernization of the wind turbine with control of the break system using machine learning. The algorithm controls state of the axle bearing of the wind turbine. The system was modulated on wind turbine located in Kazakhstan for agricultural purposes.
The purpose of the thesis is development of machine learning algorithm to diagnose and predict breaks of axle bearing.
Thesis contains 6 sections:
1) Power state analysis of Kazakhstan.
2) Selecting the power supply facility.
3) Choice of the wind turbine to construct a mathematical model.
4) Construction and testing of the mathematical model of wind turbine.
5) Developing of the ML algorithm for wear wind turbine axle bearing analysis.
6) Approbation of a mathematical model of a wind turbine with bearing using machine learning algorithms to analyze the wear of a radial bearing.