仪器仪表学报

作者：曹利宵，贾晓冰，李宁，常雯博，苏保中

单位：曹利宵,燕山大学电气工程学院秦皇岛066000,caolixiao@ysu.edu.cn,贾晓冰,燕山大学电气工程学院秦皇岛066000,,李宁,燕山大学电气工程学院秦皇岛066000,,常雯博,燕山大学电气工程学院秦皇岛066000,,苏保中,中海油能源发展装备技术有限公司天津300457,

关键词：数据采集与监测系统;传动系统;状态监测;自回归嵌入;双阈值判别

基金：中央引导地方科技发展资金项目（226Z4302G）资助

风电机组是一种将风能转换为电能的复杂机电混合系统，其传动系统包含齿轮、轴承等众多高精度的机械部件，这些部件在长期运转过程中，容易出现疲劳、磨损等问题，导致传动系统易于发生各种故障，严重影响机组运行的安全与发电效率。为保证风电机组整机运行的安全性，需要高效准确地检测出传动系统的异常运行状态。针对现有研究复杂运行状态捕捉能力弱以及部件维护、剔除白噪声干扰准确率低的问题，构建了一种基于自回归嵌入的可学习分解与双注意力网络的状态监测模型。首先，对数据采集与监测系统（SCADA）收集到的数据进行预处理，并且通过相关性分析选择出与故障演化强相关的温度等特征参数。其次，引入自回归嵌入模块，使用动态令牌更好地捕捉多维时间序列特征，进行传动系统相关温度变量的预测，实现故障特征的动态建模。然后，提出双阈值判别的监测网络，结合相关变量的残差与信息熵确定双重健康阈值，通过阈值的双重机制，监测过程能够进一步剔除白噪声等异常信号，提供准确的预警时间。最后，通过两个实际风电机组传动系统的故障案例验证了所构建模型的有效性，当风电机组发生故障时，相较于传统的数据采集与监测系统（SCADA），可以提前约6~10天对故障信号进行早期预警。

来源：2025年第9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9期