基于深度学习的风电机组电气故障诊断模型研究

马 建, 王俊 杰*, 马 明龙
青海柴达木职业技术学院

摘要


针对风电机组电气系统故障诊断期间存在的多源数据特征提取险阻以及早期故障识别精度不高的状况，本
文构建了一种融合卷积神经网络与长短期记忆网络的深度学习诊断模型，将风电机组SCADA系统采集到的电气参数
以及振动信号当作数据源，在借助数据预处理把噪声干扰消除之后，借助CNN提取数据里的局部关键特征，接着经
由LSTM捕捉特征序列的时序依赖关系，最终经由SoftMax分类器输出故障类型。基于公开数据集以及实际风电场数
据的验证结果显示，该模型可有效识别定子绕组短路、转子偏心等典型电气故障，其诊断稳定性要比单一深度学习
模型更好，此项研究为风电机组电气系统的预测性维护给予了可靠的技术支持，有较强的工程应用价值。

关键词


风电机组；电气故障诊断；深度学习；CNN-LSTM；特征提取

全文:

PDF


参考


[1]赖鸿丰，李梦诗，陈子明.基于自适应图卷积的

风力发电机故障诊断方法[J].电气自动化，2024，46（05）：

101-104.

[2]2020年全球风电累计装机将接近700GW[J].现代

制造，2015，0（50）：72-72

[3]陈茜，李录平，刘瑞，等.大功率风电机组变桨

系统故障诊断方法与技术研究进展[J].电站系统工程，

2020，36（01）：1-7.

[4]曹帅，向往，左文平，等.风电经柔性直流电网

外送系统的交流故障诊断与穿越控制策略[J].中国电机工

程学报，2021，41（04）：1295-1306.

[5]刘威，徐振旺，未晛，江源，陈伟.基于DnCNN

与多尺度特征提取的地震数据去噪方法[J].西安石油大学

学报（自然科学版），2025，40（1）：18-31.

[6]刘大为，王承凯，王巍.多时间尺度数据故障诊

断方法在风力发电中的应用[J].系统仿真技术，2023，19

（04）：293-301.

[7]薛松，潘成辉，张子涵，连培园，赵武林，许

谦，王从思.多传感器信息融合的天线促动器故障诊断

[J].电子机械工程，2024，40（3）：9-16.

[8]乔华.新能源风电项目造价控制与成本管理分析

[J].科学与信息化，2025，（11）：145-147.

[9]陈 小 乾， 尹 亮， 展 宗 辉.基 于 注 意 力 机 制 和

RCN-BiLSTM融合的风电机组故障识别[J].中国电力，

2025，58（08）：94-102.

[10]张徐杰.基于自编码器的风力发电机组故障诊断

方法研究[D].浙江省：浙江理工大学，2022.


Refbacks

  • 当前没有refback。