基于LSTM-CNN的双馈风力发电机电刷滑环电弧故障诊断

作者：莫英东^*; 夏鲲; 王晗钰; 苏华

来源：控制工程, 2022, 29(08): 1520-1527.

DOI：10.14107/j.cnki.kzgc.20210711

• 双馈风力发电机
• 电刷滑环
• LSTM-CNN
• 故障诊断

由于双馈风力发电机(DFIG)的装机地点环境恶劣，DFIG电刷滑环的电弧故障时常发生。鉴于电弧故障严重影响电力设备的稳定运行，提出了一种基于长短期记忆-卷积神经网络(LSTM-CNN)的DFIG电刷滑环故障电弧检测模型。首先，分析了DFIG中电刷滑环产生故障电弧的原因。然后，以电流、电压和磁环三种信号作为输入，滤波后构建基于LSTM-CNN的故障电弧检测模型。最后，搭建滑环装置诊断实验平台，在神经网络结构含有相同层数的情况下，用相同的实验数据训练LSTM神经网络、CNN和LSTM-CNN。实验结果表明，基于LSTM-CNN的故障电弧检测模型的精确率和召回率均保持在99%以上。相较于单一的LSTM神经网络模型和CNN模型，所提出的模型对故障电弧的检测准确率提高了4%以上，具有较强的工程实践意义。

• 单位
  上海理工大学