仪器仪表学报

作者：金晓航1

单位：金晓航1,2,3，许壮伟2，孙毅1,2,3，单继宏1,2，王欣4,（1?浙江工业大学 特种装备制造与先进加工技术教育部重点实验室杭州310023； 2?浙江工业大学机械工程学院 杭州310023； 3?宁海县浙工大科学技术研究院宁海315600； 4?浙江运达风电股份有限公司杭州310012）,

关键词：关键词：风电机组;数据采集与监控系统;生成对抗网络;状态监测

基金：*基金项目：国家自然科学基金（51505424，51675484）、浙江省自然科学基金（LY15E050019）、宁波市自然科学基金（2018A610045）、浙江省大学生科技创新活动计划（新苗人才计划）项目资助

摘要：基于风电机组数据采集与监控系统（SCADA）的大量时序数据分析，提出一种基于生成对抗网络（GAN）的风电机组在线状态监测方法。首先，通过GAN模型中的生成器获得一组与SCADA数据相同维度的生成数据；其次，利用生成的和真实的SCADA数据对GAN模型进行优化训练进而得到用于区分机组健康状态的判别器模型。利用所提方法分别对一台故障风电机组和一台健康风电机组的SCADA数据分析后发现：GAN方法能够有效监测风电机组的在线运行状态，比SCADA系统提早5d发现故障机组的异常；当风电机组正常工作时，GAN方法比其他方法（如马氏距离、主成分分析、深度神经网络、支持向量机等）误报的次数更少；当机组发生故障后，GAN方法比上述其他方法能检测出更多的异常样本。

来源：2020年第4期

《仪器仪表学报》期刊编辑部

查看仪器仪表学报杂志2020年第4期