换一批
换一批基于时空特征深度融合的双馈式风力发电机故障早期预测
Early fault prediction for doubly-fed wind turbine generator based on the temporal spatial feature fusion
摘要风力发电机组监控与数据采集(SCADA)系统记录了机组运行参数,包含丰富的运行状态变化信息,为风力发电机组的健康状态识别提供了数据来源.提出一种基于自注意力机制级联的时空特征深度融合网络模型(SC-TSFN),模型采用空洞卷积层增大感受野,提取不同变量之间的空间特征,通过双向长短期记忆网络学习空间特征前后时间依赖性,自注意力机制突出关键变量空间特征权重以及动态调节局部与全局时间特征信息.对2.0 MW风电机组10 min间隔SCADA数据分析结果表明,该方法实现了风力发电机故障的早期预测并消除了误报.
更多相关知识
关键词
风力发电机风力发电机组监控与数据采集(SCADA)深度学习故障误报时空特征wind turbinesupervisory control and data acquisition(SCADA)deep learningfalse alarmtemporal spatial feature
分类号
TK83
栏目名称
性能检测、试验及故障诊断
发布时间
2023-10-12
基金项目
国家自然科学基金
- 浏览0
- 被引0
- 下载1
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
