基于深度置信网络的风力发电机故障诊断方法

为了避免严重的生产运行事故，同时降低设备运行维护成本，提高风力发电机的可靠性，本文提出一种基于深度置信网络( deep belief network，DBN) 的新型风力发电机故障诊断( fault diagnosis and isolation，FDI) 方法。本文首先通过DBN 网络构建了故障诊断模型，然后在风力发电机的基准模型中进行故障诊断仿真测试，并把该完全数据驱动型的故障诊断效果，与传统的基于模型的诊断方法和数据驱动型诊断方法的效果作对比。此外，在仿真中也采用高斯噪声来模拟风力发电机实际运行环境中的噪声，从而解决了实际使用中网络易受噪声干扰的问题，并进一步对基于DBN 的故障诊断方法进行鲁棒性测试。仿真结果表明基于DBN 的数据驱动型FDI 方法对风力发电机的故障有着更好的诊断效果，同时在有噪声干扰的环境下也保持着较为稳定的诊断效果