风电机组故障的宽度学习诊断模型

摘要

有效的故障诊断方法不仅能快速、准确地分辨风电机组的故障类型,还能降低风电场运行维护成本。故障诊断方法所需要的相关数据均来自于风电场监控与数据采集系统(SCADA),当数据规模庞大时,浅层神经网络和深度神经网络模型会遇到权重调整耗时间、容易陷入局部最优解的问题。文章提出了一种基于宽度学习系统的风电机组故障诊断模型。首先,对风电场SCADA数据进行预处理,特征选择后构成故障样本集;然后,利用BLS诊断模型对这些故障样本进行分类。实验结果表明,与BP,SVM,ELM,DBN诊断模型相比,BLS诊断模型有效提高了风电机组故障诊断的准确率。