基于AC-GAN数据重构的风电机组主轴承温度监测方法

作者：尹诗^*; 侯国莲; 胡晓东; 周继威

来源：智能系统学报, 2021, 16(06): 1106-1116.

• 轻型梯度增强学习器
• 辅助分类生成对抗网络
• 自然梯度提升
• 风电机组
• 主轴承
• 状态监测
• 数据重构
• 温度残差

为更好地识别风电机组主轴承运行状态,提出了一种基于辅助分类生成对抗网络(auxiliary classifier generative adversarial networks, AC-GAN)的数据重构算法对风电机组主轴承温度进行监测。首先,利用采集与监视控制系统(supervisory control and data acquisition, SCADA)时序数据建立基于轻型梯度增强学习器(light gradient boosting machine, LightGBM)的主轴承温度预测模型,并计算其残差特征。其次,利用统计过程控制(statistical process control, SPC)方法对主轴承温度异常残差在控制线范围内进行筛选,并利用AC-GAN算法对残差进行重构。最后,分别提取主轴承温度正常和异常的残差特征,建立基于自然梯度提升(natural gradient boosting, NGBoost)的主轴承状态监测模型。实验结果表明,该方法对主轴承运行状态判断准确度高达87.5%,能够有效地监测风电机组轴承类运行状态。

• 单位
  华北电力大学