一种基于GRA-LSTM-stacking模型的海上双馈风力发电机故障诊断方法

    公开(公告)号:CN111237134A

    公开(公告)日:2020-06-05

    申请号:CN202010038529.8

    申请日:2020-01-14

    Abstract: 本发明涉及一种基于GRA-LSTM-stacking模型的海上双馈风力发电机故障诊断方法,该方法包括以下步骤:步骤1:通过GRA对SCADA状态变量进行分析,筛选出与发电机温度相关的状态变量作为LSTM网络的输入;步骤2:通过LSTM对正常状态下的发电机温度进行预测,得到预测值;步骤3:计算实际值与预测值的残差绝对值,使用统计学方法设置告警阈值,据此对发电机早期故障进行辨识并提取出故障样本;步骤4:通过stacking融合算法对提取的故障样本进行数据处理后输出最终的精确诊断结果。与现有技术相比,本发明具有故障诊断精确、通用性强,故障样本获取简单等优点。

    一种基于GRA-LSTM-stacking模型的海上双馈风力发电机故障诊断方法

    公开(公告)号:CN111237134B

    公开(公告)日:2022-04-01

    申请号:CN202010038529.8

    申请日:2020-01-14

    Abstract: 本发明涉及一种基于GRA‑LSTM‑stacking模型的海上双馈风力发电机故障诊断方法,该方法包括以下步骤:步骤1:通过GRA对SCADA状态变量进行分析,筛选出与发电机温度相关的状态变量作为LSTM网络的输入;步骤2:通过LSTM对正常状态下的发电机温度进行预测,得到预测值;步骤3:计算实际值与预测值的残差绝对值,使用统计学方法设置告警阈值,据此对发电机早期故障进行辨识并提取出故障样本;步骤4:通过stacking融合算法对提取的故障样本进行数据处理后输出最终的精确诊断结果。与现有技术相比,本发明具有故障诊断精确、通用性强,故障样本获取简单等优点。

Patent Agency Ranking