基于FMEA和Bi LSTM的风电机组变桨系统状态监测与诊断

摘要：

为提高风电机组变桨系统运行状态监测与诊断的准确性,提出基于失效模式与影响分析和双向长短期记忆网络的监测与诊断方法.用失效模式与影响分析方法分析变桨系统运行状态的特征信号,以此作为训练模型的输入量,运行状态作为输出量,建立循环神经网络模型、长短期记忆网络模型以及双向长短期记忆网络模型,采用某风电场数据采集与监视控制系统数据对3种模型的特征信号与运行状态之间的映射关系进行训练;采用实际生产数据对训练后的模型进行测试,结果表明,双向长短期记忆网络模型在监测与诊断变桨系统运行状态方面更具优势,对机组异常运行状态的监测与诊断准确率达99.17％.

关键词：风电机组;深度学习;失效模式与影响分析;双向长短期记忆网络;监测与诊断

所属期刊栏目：19

分类号：TM614(发电、发电厂)

资助基金：南京工程学院校级科研基金青年基金项目QKJ201802

在线出版日期：2021-10-18（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：54-61