机械工程学报

作者：余晓霞, 汤宝平, 王伟影, 吴宣勇, 李彪

单位：1. 重庆大学机械传动国家重点实验室 重庆 400044;2. 中船重工龙江广瀚燃气轮机有限公司 哈尔滨 150078

关键词：风电机组,缺失数据预测,多头注意力机制,双向长短时记忆网络；

基金：国家重点研发计划(2020YFB1709800)和重庆市自然科学重点基金(cstc2019jcyj-zdxmX0026)资助项目。

针对变速变载条件下风电机组监测参量中包含大量缺失数据导致基于深度学习的状态监测模型预警精度低的难题，提出一种多头注意力双向长短时记忆网络缺失数据修复方法(Multi-headed attention bidirectional long and short term memory network, MA-BiLSTM)。所提方法利用多头注意力机制抑制复杂工况条件下变速变载对神经网络特征提取时的干扰，采用跨层连接残差单元增加模型的特征提取能力，充分学习已有监测数据的隐藏特征以及多源参量间的关联关系；采用双向长短时记忆网络同时对风电机组监测数据的复杂变化规律进行学习，实现监测参量中缺失数据的预测修复。实例应用结果表明所提多头注意力双向长短时记忆网络能够抑制复杂工况条件下的变速变载干扰，实现单变量或多变量中缺失数据的预测修复，有效提升风电机组状态监测精度。

来源：2023年第14期

《机械工程学报》期刊编辑部

查看机械工程学报杂志2023年第14期