仪器仪表学报

作者：金晓航，喻轩昂，关汉林

单位：金晓航,1.浙江工业大学机械工程学院,,喻轩昂,1.浙江工业大学机械工程学院,,关汉林,1.浙江工业大学机械工程学院,

关键词：风电机组;状态监测;回声状态网络

基金：国家重点研发计划(2022YFE0198900)、国家自然科学基金(62473336)、浙江省自然科学基金(LZ25F030004)项目资助

“双碳”目标引领下,风能作为一种清洁可再生能源得到了广泛的利用。风电机组作为将风能转化为电能的重要装备,累计装机容量持续增长。然而,风电机组工作环境恶劣,运行工况多变,故障频发。为保障风电机组安全高效运行,亟需故障诊断与智能运维技术。针对风电机组运行工况复杂多变以及循环神经网络在时间序列学习过程中存在梯度消失和爆炸等问题,提出一种融合运行工况识别与回声状态网络的风电机组运行状态监测方法。首先,采用最大互信息系数对数据采集与监控系统(SCADA)采集的多维数据进行特征选择,筛选出与风电机组运行状态相关性高的特征。其次,利用K-means聚类算法构建机组的工况识别模型,对不同运行工况进行有效划分。然后,利用差分进化算法优化不同工况下的回声状态网络模型,增强其对复杂运行工况的适应能力,以此开展不同工况下风电机组有功功率预测。继而,结合功率预测残差分析确定相应的健康阈值,用于评判机组运行状态。最后,通过两个实际风电机组的案例分析表明,所提方法可有效监测机组的运行状态,当故障发生时,比SCADA系统提前发现机组运行状态的异常,可实现故障的早期预警。

来源：2025年第1期

《仪器仪表学报》期刊编辑部

查看仪器仪表学报杂志2025年第1期