基于GMM工况辨识和DAE的风机齿轮箱状态监测

作者：王东林; 吕丽霞; 王梓齐; 陈颖; 李晓宁

来源：中国测试, 2021, 47(04): 89-95.

• 风电机组
• 状态监测
• 深度自编码网络
• 高斯混合模型
• 工况辨识

针对大型风电机组运行工况多变、数据量大的特点,提出一种将高斯混合模型(GMM)与深度自编码网络(DAE)相结合的风电机组齿轮箱状态监测方法。首先,基于GMM对风电机组运行工况进行辨识;然后,在各个子工况空间下,基于DAE建立正常运行状态下的齿轮箱油池温度模型,得到多工况阈值;最后,对DAE模型的重构误差进行分析,结合多工况阈值构建健康指数,实现风电机组齿轮箱的状态监测。以某台2 MW风电机组为实例进行验证,结果表明,该方法能够提前7天预警齿轮箱油池温度过高的故障;相对于基于DAE状态监测方法,在不影响在线监测时效性的情况下,该文所提方法能够提前约8 h预警潜在故障。

• 单位
  大唐武安发电有限公司; 华北电力大学