基于深度置信网络的风力发电机故障诊断方法

论文摘要

为了避免严重的生产运行事故,同时降低设备运行维护成本,提高风力发电机的可靠性,本文提出一种基于深度置信网络（deep belief network,DBN）的新型风力发电机故障诊断（fault diag-nosis and isolation,FDI）方法。本文首先通过DBN网络构建了故障诊断模型,然后在风力发电机的基准模型中进行故障诊断仿真测试,并把该完全数据驱动型的故障诊断效果,与传统的基于模型的诊断方法和数据驱动型诊断方法的效果作对比。此外,在仿真中也采用高斯噪声来模拟风力发电机实际运行环境中的噪声,从而解决了实际使用中网络易受噪声干扰的问题,并进一步对基于DBN的故障诊断方法进行鲁棒性测试。仿真结果表明基于DBN的数据驱动型FDI方法对风力发电机的故障有着更好的诊断效果,同时在有噪声干扰的环境下也保持着较为稳定的诊断效果。

论文目录

• 0 引言
• 1 风机基准模型概述
•   1.1 风机基准模型结构
•   1.2 桨距系统
•   1.3 传动系统
•   1.4 发电机和变频器
•   1.5 控制器
• 2 风机故障情景概述
•   2.1 传感器故障
•   2.2 执行器故障
•   2.3 执行器故障
• 3 基于DBN的风机FDI实现
•   3.1 构建风机FDI的嵌入维
•   3.2 构建受限玻尔兹曼机
•   3.3 构建风机FDI决策机制
•   3.4 训练DBN
•   3.5 基于DBN的FDI方法的优势
• 4 仿真研究
•   4.1 仿真设置
•   4.2 与基于模型的诊断方法的比较
•   4.3 与数据驱动方法的比较
•   4.4 进一步的性能评估
• 5 结论

文章来源

类型: 期刊论文

作者: 李梦诗,余达,陈子明,夏侯凯顺,李堉鋆,季天瑶

关键词: 风力发电机,故障诊断,深度置信网络,数据驱动,基准模型

来源: 电机与控制学报 2019年02期

年度: 2019

分类: 工程科技Ⅱ辑

专业: 电力工业

单位: 华南理工大学电力学院

基金: 国家自然科学基金(51307062)

分类号: TM315

DOI: 10.15938/j.emc.2019.02.015

页码: 114-122

总页数: 9

文件大小: 681K

下载量: 875