![点击分享此内容可以赚币 分享](/master/images/share_but.png)
基于人工智能的风电机组运行状态监测和故障诊断预警研究.pdf
《基于人工智能的风电机组运行状态监测和故障诊断预警研究.pdf》由会员分享,可在线阅读,更多相关《基于人工智能的风电机组运行状态监测和故障诊断预警研究.pdf(4页珍藏版)》请在咨信网上搜索。
1、2023.27 科学技术创新基于人工智能的风电机组运行状态监测和故障诊断预警研究王恒(国电投长江生态能源有限公司,湖北 武汉)引言为实现风电机组状态监测确定机组故障1,研究基于人工智能技术的风电机组状态监测方法,通过状态监测完成机组的故障诊断,并发送异常预警,为风电机组的运行管理提供可靠依据。1风电机组状态监测和故障诊断预警1.1风电机组状态监测和故障诊断预警模型本文为实现风电机组状态监测和故障诊断预警,选择典型的人工智能技术的深度学习方法构建风电机组状态监测和故障诊断预警模型,该模型以采集的风电机组运行数据为依据,通过深度学习的训练和学习2,完成故障诊断;并依据设定的预警阈值,进行故障预警。
2、模型的整体结构如图 1 所示。1.2风电机组运行数据处理本文为保证风电机组故障诊断精度,采用小波包分解算法对采集的信号数据进行分解处理3,详细步骤如下所述:步骤 1:如果峭度选取分量用 S 表示,对其进行 j层小波包分解,获取分解后第 i 层中第 j 个节点所在频段的小波包分解对应的系数 Xij。步骤 2:采用重构的方式对底层小波包分解系数进行处理,即完成步骤 2 获取的所有频带特征信号序列的重构,Xij重构的信号用 Sij表示,如果第 5 层各个节点的重构信号用 S5j表示,则 S 的计算公式为:(1)式中:n 表示分解层数。步骤 3:计算每一个频带信号的总能量,如果风电机组运行状态信号在第
3、 j 个尺度上的能量谱用 Ej表示,对应的功率用 Ei表示,Ei的总和即为信号总功率作者简介院王恒(1990-),男,硕士研究生,中级工程师,研究方向:电力工程技术。摘要:为实时掌握风电机组的运行状态,保证风机发电的正常运行,提出基于人工智能的风电机组运行状态监测和故障诊断预警方法。该方法以风电机组的历史运行数据和实时运行数据为基础,采用小波包分解算法进行数据冗余处理后,将其输入栈式稀疏加噪自编码深度神经网络模型中,通过模型的学习和训练。提取数据中的故障特征,完成风电机组故障分类诊断;同时设定故障预警阈值,完成故障预警,实现风电机组运行状态的全面监测。测试结果显示:该方法具有较好的应用效果。关
4、键词:人工智能;状态监测;故障诊断预警中图分类号院TM351文献标识码院A文章编号院2096-4390渊2023冤27-0069-04 风电机组运行状态数据历史数据实时数据特征提取特征提取最大值、最小值归一化归一化自编码器残差分布计算状态预测残差预警阈值正常差分结果状态监测结果故障诊断图 1风电机组状态监测和故障诊断预警模型结构50njjSS69-科学技术创新 2023.27E。则任一尺度上的能量比例用表示,则小波包能量熵的计算公式为:(2)式中:N 表示原始信号长度;Hij表示风电机组运行状态信号的第 i 层中第 j 个小波包能量熵。依据上述步骤即可完成风电机组运行状态信号的处理,将信号分解
5、成独立的频带,降低运行状态信号的复杂度。1.3风电机组故障诊断1.3.1栈式稀疏加噪自编码深度神经网络模型结构针对风电机组运行特点,本文采用栈式稀疏加噪自编码深度神经网络构建风电机组故障诊断模型,将上述小节处理后的风电机组运行状态信号输入至栈式稀疏加噪自编码深度神经网络(SSDAE)模型中,完成风电机组故障诊断。SSDAE 模型的在运行过程中,将前一层网络的输出结果作为后一层网络的输入,如果第 l 层栈式自编码神经网络对应的网络参数用和表示;按照由前向后的顺序,对具有 nl层栈式自编码神经网络进行编码处理,各个层的编码公式为:(3)式中:表示第 l 层的输出;和分别表示第 l层和第 l+1 层
6、的输入。依据上述步骤,按照由前向后的顺序,对具有 nl层栈式自编码神经网络进行编码处理,各个层的编码公式为:(4)式中:表示隐含单元的输出结果。SSDAE 模型是通过训练完成风电机组运行状态数据的训练,文中采用逐层贪婪训练法完成,模型训练步骤如下所述:步骤 1:采用无监督的方式对模型的第一层SDAE 进行训练,将该层的输出结果作为原始输入的最小化重构误差;步骤 2:将上一 SDAE 层的输出结果作为下一个SDAE 等的输入,完成该层网络训练;步骤 3:重复步骤 2,完成所有 SDAE 层的训练;步骤 4:强最后一层隐含层的输出作为分类层的输入,并定义故障类别数量为分类层神经元数量,为后续监督微
7、调整提供依据。通过上述的训练步骤即可获取每一层学习获取的特征结果,该特征结果即为风电机组运行状态数据特征不同阶数的表达。1.3.2有监督微调依据上述小节完成模型训练后,为提升模型的应用性能,采用带标签的样本进行模型的有监督微调,微调的主要目的是将模型中的所有层均看作一个模型,利用有监督学习算法对其进行进一步调整,通过循环迭代完成模型权值和偏置的优化;并将最后一层隐含层输出结果和类别标签作为分类层的输入,文中选择 BP 神经网络完成模型微调,详细步骤如下所述:步骤 1:在上述小节训练的基础上,将有标签样本输入模型中,进行前馈传递;并通过前向传播算法获取各个层上的激活值;步骤 2:计算 nl层的残
8、差,其计算公式为:(5)式中:表示传递函数;表示激活值,其计算公式为:(6)式中:I 表示输入数据对应的类别标签;P 表示条件概率向量;表示偏差。步骤 3:偏导数计算:(7)步骤 4:计算总体代价函数:(8)依据的计算结果完成网络模型的有监督微调。依据上述内容完成模型的有监督微调后,具备更好的非线性拟合能力,能够更好地分析风电机组运行状态特征情况,深入提取潜在的分层特征,精准完成 ijk 1lgNijijijiHkk,1,1,lllWb,2,2,lllWb1,1,1llllllaf zzW ab lalz1lz1,2,2llllllnlnlnlnlnlnlag zzWab lna,iix yl
9、lnlnnaJfz lnfznlaJnlTaJIPT 11,;,;,llTllWlbJ W b x yaJ W b x y,J W b11,;,miiiJ W bJ W b x ym,J W b70-2023.27 科学技术创新风电机组故障分类诊断。1.4故障预警依据上述小节完成风电机组故障诊断后,则进行状态预警,为可靠完成故障预警,需设定预警阈值,文中选择时移滑动窗口进行预警阈值的确定。如果第 k 个窗口中存在 c 个误差,为避免发生正负误差发生相互抵消情况,文中采用平均绝对误差所谓风电机组运行状态预警指标,其计算公式为:(9)式中:和分别表示模型的计算结果和实际结果。的值越大,表示风电机组
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 基于 人工智能 机组 运行 状态 监测 故障诊断 预警 研究
![提示](https://www.zixin.com.cn/images/bang_tan.gif)
1、咨信平台为文档C2C交易模式,即用户上传的文档直接被用户下载,收益归上传人(含作者)所有;本站仅是提供信息存储空间和展示预览,仅对用户上传内容的表现方式做保护处理,对上载内容不做任何修改或编辑。所展示的作品文档包括内容和图片全部来源于网络用户和作者上传投稿,我们不确定上传用户享有完全著作权,根据《信息网络传播权保护条例》,如果侵犯了您的版权、权益或隐私,请联系我们,核实后会尽快下架及时删除,并可随时和客服了解处理情况,尊重保护知识产权我们共同努力。
2、文档的总页数、文档格式和文档大小以系统显示为准(内容中显示的页数不一定正确),网站客服只以系统显示的页数、文件格式、文档大小作为仲裁依据,平台无法对文档的真实性、完整性、权威性、准确性、专业性及其观点立场做任何保证或承诺,下载前须认真查看,确认无误后再购买,务必慎重购买;若有违法违纪将进行移交司法处理,若涉侵权平台将进行基本处罚并下架。
3、本站所有内容均由用户上传,付费前请自行鉴别,如您付费,意味着您已接受本站规则且自行承担风险,本站不进行额外附加服务,虚拟产品一经售出概不退款(未进行购买下载可退充值款),文档一经付费(服务费)、不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
4、如你看到网页展示的文档有www.zixin.com.cn水印,是因预览和防盗链等技术需要对页面进行转换压缩成图而已,我们并不对上传的文档进行任何编辑或修改,文档下载后都不会有水印标识(原文档上传前个别存留的除外),下载后原文更清晰;试题试卷类文档,如果标题没有明确说明有答案则都视为没有答案,请知晓;PPT和DOC文档可被视为“模板”,允许上传人保留章节、目录结构的情况下删减部份的内容;PDF文档不管是原文档转换或图片扫描而得,本站不作要求视为允许,下载前自行私信或留言给上传者【自信****多点】。
5、本文档所展示的图片、画像、字体、音乐的版权可能需版权方额外授权,请谨慎使用;网站提供的党政主题相关内容(国旗、国徽、党徽--等)目的在于配合国家政策宣传,仅限个人学习分享使用,禁止用于任何广告和商用目的。
6、文档遇到问题,请及时私信或留言给本站上传会员【自信****多点】,需本站解决可联系【 微信客服】、【 QQ客服】,若有其他问题请点击或扫码反馈【 服务填表】;文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“【 版权申诉】”(推荐),意见反馈和侵权处理邮箱:1219186828@qq.com;也可以拔打客服电话:4008-655-100;投诉/维权电话:4009-655-100。