机械工程学报

作者：朱永超, 朱才朝, 谭建军, 冉峯, 宋朝省

单位：重庆大学机械传动国家重点实验室 重庆 400044

关键词：风电机组,齿轮箱,状态预测,模糊综合,迁移学习；

基金：高技术船舶科研资助项目(MC-202025-S02)资助。

随着风电装机规模的日益增长，同时风电场中现有历史故障数据不足且各风电齿轮箱之间的监测数据分布存在差异，给风电运维后市场带来了巨大挑战。为了能够将现有故障数据样本用于其他风电齿轮箱的健康状态预测以优化运维策略，提出一种基于长短时记忆网络和模糊综合的状态标定方法，以及基于迁移学习与动态加权的风电齿轮箱群组健康状态预测方法。并利用我国山西盘道梁风电场中某5台风电机组共计2年的历史监测数据对所提方法进行验证。结果表明，该组合状态标定方法能够提前检测到风电齿轮箱的故障信息，可实现单个风电齿轮箱健康状态评估。此外，剔除远离“风速-功率”曲线的样本数据后，基于深度迁移学习网络的跨设备状态预测平均准确率为92.06%，表明该方法能够将现有故障数据样本用于其他风电齿轮箱的状态监测。该研究对风电装备健康状态预测具有重要的理论价值与工程实际意义。

来源：2024年第18期

《机械工程学报》期刊编辑部

查看机械工程学报杂志2024年第18期