基于LSTM神经网络的风机齿轮带断裂故障预测

摘要：

风电是可再生能源的一种重要存在形式,齿形带是风机变桨系统的核心传动零部件,风机中的齿轮带由于应力疲劳会产生断裂现象,从而导致风机故障.提出一种基于LSTM深度学习神经网络的风机齿轮带断裂故障预测方法,结合风电厂SCADA系统的风机运行状态监控数据,在随机森林算法的数据特征筛选基础之上,采用LSTM神经网络对齿轮带故障进行预测.通过基于某风电厂实际运行数据集的故障预测模型验证和对比试验.结果 表明,模型的应用能够有效提高风机齿轮带断裂故障预测的精度.

关键词：齿轮带断裂预测、LSTM、随机森林、深度学习、神经网络

所属期刊栏目：41

分类号：TM614(发电、发电厂)

在线出版日期：2019-08-29（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：92-95