基于改进SE-CNN的风电机组故障诊断方法研究

针对风电机组发生故障时难以有效地提取故障特征并精准地识别故障等问题，提出了一种基于改进SE-CNN的风电机组故障诊断方法。首先，基于数据采集与监视控制(SCADA)系统采集到的故障风机历史运行数据，使用滑动窗口进行数据扩充，其次使用改进后的压缩激励网络(SEnet)对样本数据的权重进行调整，然后引入全局最大池化层对卷积神经网络(CNN)进行改进，最后使用改进后的CNN学习数据中的故障特征进行故障诊断。实验结果表明，改进SE-CNN的故障诊断性能均优于RNN、PCA-DNN、BiLSTM方法，验证了所提方法在风电机组故障诊断上的有效性。