科研之友
微信
新浪微博
Facebook
分享链接
摘要
对风电机组进行早期异常状态识别，有助于提高机组可靠性、降低运维成本。文章基于监控与数据采集（SCADA）系统数据，提出了一种基于卷积对抗自编码器的风电齿轮箱异常状态识别模型。首先，用预处理后的健康SCADA数据训练卷积对抗自编码器，根据训练结果自适应确定异常状态阈值；然后，将所有数据输入到训练好的模型中，利用自编码器的输入和输出计算曼哈顿距离作为健康状态的度量，使用指数加权移动平均控制图显示结果。由于不同机组所处运行工况不同，每个机组单独训练并测试。现场风电齿轮箱故障案例验证了方法的有效性。
- 出版日期2023
- 单位华北电力大学
