基于人工智能算法的风电机组状态监测和故障诊断技术研究综述

作     者：王中行 周元贵 张学广 WANG Zhongxing;ZHOU Yuangui;ZHANG Xueguang

作者机构：哈尔滨工业大学电气工程及自动化学院黑龙江哈尔滨150000 中国大唐集团科学技术研究总院有限公司西北电力试验研究院陕西西安710000 

出 版 物：《东北电力大学学报》 (Journal of Northeast Electric Power University)

年 卷 期：2024年第44卷第1期

页      面：42-51页

学科分类：080802[工学-电力系统及其自动化] 0808[工学-电气工程] 08[工学] 

基　　金：国家自然科学基金面上项目(51977046) 

主　　题：风电机组 数据驱动 深度学习 状态监测 故障诊断 

摘      要：随着我国风电产业高速发展,风电机组服役时间延长,故障率和运维成本随之增加。利用人工智能算法对风电大数据进行数据挖掘,实现风电机组的状态监测与故障诊断,对风电产业提质增效具有重要的现实意义,近年来逐渐成为研究热点。文中介绍了风电机组数据采集与监控(Supervisory Control and Data Acquisition, SCADA)系统和振动信号数据的特性,阐述了风电机组状态监测和故障诊断智能算法的框架,归纳总结了相关研究成果,并对风电机组状态监测和故障诊断技术所面临的挑战和发展趋势进行了展望。