基于二次分解的风机齿轮箱油温预测模型

齿轮箱作为风机的重要部件,其故障占风电机组停机故障的80%。风机齿轮箱油温预测研究是为了实现风电机组齿轮箱状态的实时检测,提高其故障预测准确度可有效减少维修费用,提高风机系统运行可靠性。风电机组的监控与采集系统的众多参数具有高维度、非线性等特性。为解决上述问题,提出了一种基于二次分解、样本熵计算、序列重构和LSTM预测相结合的方法,首先利用EEMD对原始油温度数据进行预处理,得到多个子序列。然后计算各个子序列的样本熵,将样本熵最高的子序列用VMD进行二次分解。最后,利用LSTM对分解后的序列进行预测,得到最终的预测结果。通过对比不同分解方法、不同预测模型的预测结果与真实值之间的误差,证明了所提出分解方法与模型预测结果的可靠性。