基于深度学习的直驱风电机组故障辨识

对直驱风电机组进行故障预测预警能够大幅提高运维效率,利用深度学习进行SCADA数据建模为风电机组早期故障预警提供依据。采用随机森林方法筛选SCADA中与目标参量关联度较大的监测参量,用以构建深度神经网络数据驱动模型;以机组健康时的SCADA构建训练模型,统计分析其误差,确定故障预警阈值;分析在线测试数据集在健康模型中的误差变化规律,给出故障预警。文章提出的方法成功应用于1.5 MW直驱风电机组的早期故障辨识,对于风电场合理调配人员物资,优化运维策略具有重要意义。