基于缺失数据填补的风电齿轮箱状态监测研究

摘要：

风电机组监控和数据采集系统的现场数据普遍存在缺失问题,会对下游状态监测任务产生一定负面影响.为此,提出一种结合注意力机制的掩膜自编码网络,用于填补面板数据样本中的缺失值,增加可用样本数量,提升状态监测结果的准确性与连续性.该方法以降噪自编码网络为整体框架,在编码阶段通过注意力机制对缺失值进行掩膜处理,赋予缺失值更高的权重以强化网络对其关注程度,在解码阶段将缺失值填补后输出完备数据样本.随后,利用长短时记忆网络提取的样本特征对目标变量参数进行预测,依据预测残差实现状态监测.使用某风电齿轮箱运行数据验证,结果表明:提出方法的数据填补偏差相较对比方法至少改善17.2％;与数据填补前相比,数据填补后样本数量显著增加,使状态监测网络对正常数据的预测残差平均下降37.4％,对故障数据的检测率提升6.8％.

关键词：缺失数据填补、自编码网络、注意力机制、风电机组、状态监测

所属期刊栏目：43

分类号：TH17;TM315

资助基金：北京市自然科学基金4182061

在线出版日期：2023-02-22（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：88-97