-
题名基于改进降噪自编码器的风机轴承故障诊断方法
被引量：14
- 1
-
-
作者
宋威
林建维
周方泽
李召岩
赵凯
周晖
-
机构
国投电力控股股份有限公司
北京交通大学电气工程学院
-
出处
《电力系统保护与控制》
EI
CSCD
北大核心
2022年第10期61-68,共8页
-
基金
国家重点研发计划项目资助(2017YFB0903403)
国投电力控股股份有限公司科技项目大规模风电场设备检修维护优化决策研究(000052-21XB0008)。
-
文摘
滚动轴承是风电机组中故障最为频繁的部件之一,准确有效的轴承故障诊断方法有助于保障风电机组安全稳定运行。针对轴承振动信号特征微弱、难以诊断的问题,提出了一种基于改进降噪自编码器的风电机组轴承故障检测方法。首先引入了一维信号的图像化预处理,将原始的时域信号转化为二维特征灰度图。然后利用卷积神经网络在图像特征提取上的强大优势,构建了堆叠降噪自编码器与卷积神经网络的集成模型,去除了传统卷积神经网络中的池化层,进一步提升提取特征的鲁棒性和泛化性。整体诊断流程由数据驱动,减少了对于经验的依赖。最后的实验结果表明,该方法能够精确诊断不同类型的轴承故障。此外,通过与其他方法的对比实验进一步验证了该方法在故障诊断方面的优越性。
-
关键词
风电机组
轴承
故障诊断
降噪自编码器
-
Keywords
wind turbine
rolling bearing
fault diagnosis
denosing AutoEncoder
-
分类号
TM315
[电气工程—电机]
TP183
[自动化与计算机技术—控制理论与控制工程]
-
-
题名基于mRMR-GRU的风电机组运行状态评估
被引量：2
- 2
-
-
作者
李斌
宋威
赵凯
周方泽
李召岩
周晖
-
机构
国投电力控股股份有限公司
北京交通大学电气工程学院
-
出处
《可再生能源》
CAS
CSCD
北大核心
2023年第7期906-911,共6页
-
基金
国家重点研发计划项目(2017YFB0903403)
国投电力控股股份有限公司科技项目(000052-21XB0008)。
-
文摘
为准确评估风电机组运行状态,保障机组正常运行,文章提出了一种基于风电机组数据采集与监视控制系统(SCADA)正常状态下数据和深度学习的机组运行状态评估方法。首先,在对SCADA原始数据进行清洗和归一化处理的基础上,利用最大相关最小冗余方法度量输出功率与多个采集量之间的关系,提取相关特征变量;然后,基于门控循环单元网络,智能提取正常数据间的分布规则,进而构建风电机组运行状态评估模型,采用预测功率与实际功率间的残差判定机组运行状态,即当机组发生故障时,残差将偏离原有的稳定状态;最后,选用某风电场发生故障时的实际数据对所提出的运行状态评估模型进行验证。结果表明,该模型可以提前预报风电机组的异常状态,从而为风电场及早安排预防性检修提供参考。
-
关键词
风电机组
运行状态
评估模型
最大相关最小冗余
门控循环单元网络
预防性检修
-
Keywords
wind turbine
operating condition
evaluation model
mRMR
GRU
preventive maintenance
-
分类号
TK81
[动力工程及工程热物理—流体机械及工程]
-
