摘 要: | 由于风电齿轮箱结构复杂、运行工况多变,采用监控与数据采集系统(SCADA)数据对齿轮箱早期故障预警的精度不足。本文提出考虑风电齿轮箱润滑冷却状态及运行工况的状态切分方法,基于齿轮箱润滑冷却系统运行原理,从原始运行数据中选取相关参数,采用统计分析和聚类方法将齿轮箱系统时间序列数据进行运行策略分类切分,构建齿轮箱运行状态判断模型;提出采用时间卷积神经网络训练不同运行策略下的齿轮箱温度预测模型,并实时判断运行状态,选取对应运行策略温度预测模型,估计齿轮箱温度,通过与实际值之间的残差实现齿轮箱故障预警。实际案例表明,本文所提出的方法可以提高模型精度,能够有效预警风电齿轮箱系统的早期故障。
|