基于深度置信网络的风力发电机故障诊断方法

• 作者: 余达 夏侯凯顺 季天瑶 李堉鋆 李梦诗 陈子明
• 来源期刊: 电机与控制学报
• 学科: 工学
• 关键词: 风力发电机 故障诊断 深度置信网络 数据驱动 基准模型
• 年，卷（期）: 2019,（2）
• 页码范围: 114-122
• 页数: 9页
• 分类号: TM315
• 字数: 8190字
• 语种: 中文
• DOI: 10.15938/j.emc.2019.02.015

摘要

为了避免严重的生产运行事故,同时降低设备运行维护成本,提高风力发电机的可靠性,本文提出一种基于深度置信网络(deep belief network,DBN)的新型风力发电机故障诊断(fault diag-nosis and isolation,FDI)方法.本文首先通过DBN网络构建了故障诊断模型,然后在风力发电机的基准模型中进行故障诊断仿真测试,并把该完全数据驱动型的故障诊断效果,与传统的基于模型的诊断方法和数据驱动型诊断方法的效果作对比.此外,在仿真中也采用高斯噪声来模拟风力发电机实际运行环境中的噪声,从而解决了实际使用中网络易受噪声干扰的问题,并进一步对基于DBN的故障诊断方法进行鲁棒性测试.仿真结果表明基于DBN的数据驱动型FDI方法对风力发电机的故障有着更好的诊断效果,同时在有噪声干扰的环境下也保持着较为稳定的诊断效果.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李梦诗	华南理工大学电力学院	4	27	3.0	4.0
2	余达	华南理工大学电力学院	1	10	1.0	1.0
3	陈子明	华南理工大学电力学院	2	10	1.0	2.0
4	夏侯凯顺	华南理工大学电力学院	1	10	1.0	1.0
5	李堉鋆	华南理工大学电力学院	1	10	1.0	1.0
6	季天瑶	华南理工大学电力学院	18	60	5.0	7.0