风电是可再生能源的一种重要存在形式,齿形带是风机变桨系统的核心传动零部件,风机中的齿轮带由于应力疲劳会产生断裂现象,从而导致风机故障。提出一种基于LSTM深度学习神经网络的风机齿轮带断裂故障预测方法,结合风电厂SCADA系统的风机运行状态监控数据,在随机森林算法的数据特征筛选基础之上,采用LSTM神经网络对齿轮带故障进行预测。通过基于某风电厂实际运行数据集的故障预测模型验证和对比试验。结果表明,模型的应用能够有效提高风机齿轮带断裂故障预测的精度。
科研之友
微信
新浪微博
Facebook
分享链接
