基于CNN-LSTM的风力发电机组轴承异常检测

为保障风力发电机组的可靠运行，基于数据的机组异常状态检测尤为重要。文章提出一种基于级联深度学习模型的风力发电机组主轴承异常状态检测方法，首先利用风力发电机组机理知识和数据间的相关性选择与主轴承密切相关的参数，然后建立基于卷积神经网络（CNN）和长短记忆网络（LSTM）的观测参数与目标参数的逻辑关系，并且通过均方根误差评估模型预测温度与实际采集温度的差异。最后通过海上某风电场SCADA数据进行算例验证。结果表明：CNN-LSTM模型不仅能够更早得发现主轴承异常状态，还能够发现LSTM发现不了的主轴承异常特征。