基于自编码网络的海上风电机组典型故障诊断方法

• 全文链接
• 请求原文

作   者：

李鹏;  张凡;  马溪原;  姚森敬;  王晓东;  吴宇航;  徐臻;  杨苹; 

作者机构：

华南理工大学广东省绿色能源技术重点实验室;  南方电网数字电网研究院;  国家电投集团广西电力有限公司; 

关键词：

自编码网络;  典型故障;  海上风电机组;  数据融合;  智能诊断; 

期刊名称：

水力发电

i s s n：

0559-9342

年卷期：

2022 年 48 卷 008 期

页   码：

95-100

摘   要：

当前海上风电机组故障诊断大多只利用SCADA系统数据或振动监测系统数据中一种数据源,诊断精度较低.为此,提出一种基于自编码网络的海上风电机组典型故障的数据融合诊断方法.首先,采用自编码网络分别对SCADA系统数据和振动监测数据的故障特征降维,并将二者融合.然后,采用两类故障特征融合的深度自编码网络故障诊断模型对典型故障进行检测及分类.最后,通过实际运行案例验证了本文提出的深度自编码网络故障诊断模型的有效性.