王印松，石建涛

基于深度神经网络模型的风电机组传动系统状态监测方法

王印松，石建涛

（华北电力大学 自动化系，河北 保定 071003）

大型风电机组传动系统运行工况复杂，运维人员无法实时了解其运行状态。针对这一情况，提出一种基于深度神经网络模型（DNN）的状态监测方法。首先，BP算法训练DNN模型时容易陷入局部最小值和过拟合，因此，将麻雀搜索算法（SSA）与BP算法结合，提出一种SSA优化BP算法训练DNN模型的方法。然后，采用风电机组SCADA系统数据建立DNN模型来估计风电机组传动系统的关键运行参数，利用估计参数的残差信息构建2统计量应用于状态监测，并给出2统计量报警限的确定方法。最后，将提出的DNN训练方法与其他方法进行对比并将该方法应用于某风电机组传动系统状态监测。结果表明，SSA优化BP算法能够有效避免局部最小值和过拟合，该状态监测方法能够提前预警风电机组传动系统的异常状态。

风电机组；深度神经网络；麻雀搜索算法；状态监测

0 引言

“碳中和”目标的提出，对我国电力能源结构产生了深远的影响，新能源发电在我国电力生产中的比重越来越高[1]。风力发电作为一种效率高、技术成熟的发电方式，近年来得到快速发展。风电机组运行中经常受到高温、强沙尘、强风等恶劣环境的影响，因此风电机组在运行过程中的可靠性非常重要[2]。风电机组的高失效率导致运维成本较高。能够有效降低风电机组运维成本的一个重要途径是对风电机组实施状态监测。……