基于相关性特征选择和LSTM以及正态分布思想的风电机组故障预测

2021-06-01

数字技术与应用 2021年4期

(东方电气新能科技(成都)有限公司,四川德阳 618000)

0 引言

随着我国风力发电的大力推广和平价上网的逐步推行,风电行业尤其是各主机厂,不得不开始关注成本。降本,除了降低制造成本,运行和维护(以下简称运维)成本也是不得不考虑的点。其中,大部件更换成本从几万到上百万不等。受设计、制造工艺以及后期运维质量影响,实际上,大部件的更换频率并不低。

为了降低这部分费用,各大主机厂家、诸多高校和一些业主都在进行故障早期预警相关的研究。如,刘轩的《风力发电机温升故障预警方法研究》[6]、陆超的《基于EEMD-PCA的风电轴承故障预警方法》[7]等。在基于SCADA数据进行的研究方面,大数据、神经网络等技术均得到相关应用,如文献[2,8]。刘轩的《风力发电机温升故障预警方法研究》提出了一种加权主成分分析法,解决了传统主成分分析法没有考虑各主成分的权重问题。但没有考虑到,温度转速等模拟量并非0-1这样的状态量,即没有考虑时间累加效应。此外,分类算法在故障识别中也得到大量应用,如文献[9-10]。然而,分类算法依赖大量可靠的标记样本,这样的样本并不容易大量获取。这无疑增加了实现的难度。因此,本研究将在已有研究基础上,从实际应用的角度,提出一种结合相关性分析、长短期记忆及正态分布思想的风力发电机故障预测解决方案,并进行实际应用。