基于生成对抗网络的风电机组在线状态监测

作     者：金晓航 许壮伟 孙毅 单继宏 王欣 Jin Xiaohang;Xu Zhuangwei;Sun Yi;Shan Jihong;Wang Xin

作者机构：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 浙江工业大学机械工程学院杭州310023 宁海县浙工大科学技术研究院宁海315600 浙江运达风电股份有限公司杭州310012 

出 版 物：《仪器仪表学报》 (Chinese Journal of Scientific Instrument)

年 卷 期：2020年第41卷第4期

页      面：68-76页

核心收录：

学科分类：08[工学] 0802[工学-机械工程] 080201[工学-机械制造及其自动化] 

基　　金：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 

主　　题：风电机组 数据采集与监控系统 生成对抗网络 状态监测 

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5 d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。