基于批标准化的堆叠自编码网络风电机组变桨系统故障诊断

• 作者: 王思华 王恬 周丽君 王宇 陈天宇 赵珊鹏
• 来源期刊: 太阳能学报
• 学科: 工学
• 关键词: 风电机组 变桨系统 故障诊断 批标准化 堆叠自编码
• 年，卷（期）: 2022,（2）
• 页码范围: 394-401
• 页数: 8页
• 分类号: TK83
• 语种: 中文
• DOI: 10.19912/j.0254-0096.tynxb.2020-0284

摘要

为了提高风电机组变桨系统故障诊断的准确性,提出一种基于批标准化的堆叠自编码(SAE)网络故障诊断模型.针对SAE网络在特征学习过程出现的梯度硬饱和问题,选用PReLU激活函数,在SAE网络中加入批标准化(BN)层进行优化,通过输出层的Softmax函数,得到变桨系统各部件故障发生概率.以均方误差最小化为目标,采用Adam算法迭代训练数据,使模型参数得到更新.在风电机组变桨系统数据采集与监视控制(SCADA)系统中的数据集中,对优化前后的SAE网络通过改变迭代次数、样本数量进行实验,结果表明,优化后的SAE网络模型具有更好的识别精度;另外,在不同样本数量的实验中,与其他传统模型相比,优化后的SAE网络模型故障识别率也更高,表明其在风电机组故障诊断领域有一定的应用价值.