基于深度学习的直驱风电机组故障辨识

• 作者: 丁显 滕伟 韩宁宁
• 来源期刊: 可再生能源
• 学科: 工学
• 关键词: 直驱风电机组 数据模型 随机森林 深度神经网络 故障辨识
• 年，卷（期）: 2018,（10）
• 页码范围: 1535-1540
• 页数: 6页
• 分类号: TK83
• 字数: 4122字
• 语种: 中文
• DOI: 10.3969/j.issn.1671-5292.2018.10.019

摘要

对直驱风电机组进行故障预测预警能够大幅提高运维效率,利用深度学习进行SCADA数据建模为风电机组早期故障预警提供依据.采用随机森林方法筛选SCADA中与目标参量关联度较大的监测参量,用以构建深度神经网络数据驱动模型;以机组健康时的SCADA构建训练模型,统计分析其误差,确定故障预警阈值;分析在线测试数据集在健康模型中的误差变化规律,给出故障预警.文章提出的方法成功应用于1.5 MW直驱风电机组的早期故障辨识,对于风电场合理调配人员物资,优化运维策略具有重要意义.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	滕伟	华北电力大学电站设备状态监测与控制教育部重点实验室	30	227	8.0	14.0
2	丁显		4	7	1.0	2.0
3	韩宁宁	清华大学基建规划处	2	5	1.0	2.0