基于LSTM-BO和SPRT的风电机组故障演化过程分析

有效挖掘故障演化的过程有利于分析和总结故障传播规律.本文提出了基于LSTM-BO模型和SPRT算法,利用SCADA历史数据研究风电机组早期故障演化过程的分析方法.首先使用Pearson相关系数法挖掘SC ADA数据各监测变量之间的映射关系,获得LSTM-BO网络所需的输入—输出关系对;其次是依赖LSTM网络强大的时序特征提取能力,将预处理后的SCADA数据送入LSTM网络进行训练,从而得到相应的正常行为模型;最后,依赖SPRT在序贯测试方面的优势,将各监测变量模型预测值与实际监测值之间的偏差看作序贯测试的对象,并对其测试结果进行滑动窗口观测,以异常点数目占观测窗口宽度的比值为度量指标,得到SCADA数据部分重要监测变量在故障发生前的演化过程.实例分析结果表明,所提方法能够有效提取故障演化的过程,为后续演化规律的分析提供指导.