基于堆疊自編碼網絡的風電機組發電機狀態監測與故障診斷

趙洪山, 劉輝海, 劉宏楊, 林酉闊

(華北電力大學電氣與電子工程學院, 河北省保定市 071003)

0 引言

風能作為一種清潔、可再生的綠色能源,近年來得到了快速發展。由于環境惡劣、工況復雜,風機極易發生故障,但對于發電機等驅動鏈部件的故障是造成風機停機的主要原因[1-2]。因此,可以對發電機故障進行預測,從而降低發電機的運行風險及損失。

發電機包含多個子系統,其故障種類具有多樣性[3-5]。目前,風電機組發電機的狀態監測方法主要有振動監測、油液監測分析和電參數監測[6-9]等方法。文獻[10-12]利用線性回歸方法處理得到消除輸出功率和環境溫度影響后的監測模型,通過殘差異常變化分析發電機的故障。基于振動監測的研究中,文獻[13-14]通過對發電機振動信號降噪處理提取故障特征,實現了對故障部位和失效程度的識別。另外,通過分析驅動鏈上的轉矩測量信號,結合載荷的異常變化可以分析出發電機的故障[15]。文獻[16]提出采用油液傳感器對油液進行在線實時監測,通過分析油液壓力和雜質成分實現對發電機的狀態監測與故障診斷,但油液傳感器的安裝增加了成本。近年來,深度學習作為大數據分析的一種新方法,擺脫了人為因素的不確定性和診斷技術經驗的依賴性,直接從大量數據中智能提取參數間的特征關系[17-19]。

目前深度學習的研究主要是利用故障樣本進行訓練,實現設備的故障分類和識別。然而實際中大量故障樣本難以全面收集,從而給該類算法的應用帶來了一定的困難。……