一種基于非線性偏最小二乘的風電機組齒輪箱狀態監測方法

李雄威，郭曉雅，李庚達，崔青汝，伍 權

（國家能源集團新能源技術研究院有限公司，北京 102209）

0 引言

對風電機組進行狀態監測，在性能劣化早期階段及時預警，能夠有效降低機組故障和電量損失，提升風電場運行效益[1]。作為風電機組的重要部件，齒輪箱長期運行于變工況變載荷條件下，易發生齒輪表面磨損等問題，若不及時處理將導致嚴重故障[2]。由于齒輪箱故障停機時間長、維護成本高，一旦發生嚴重故障往往會造成較大的經濟損失。因此，開展風電機組齒輪箱狀態監測研究，對于降低機組運維成本、提高可靠性具有重要意義。

風電機組數據采集與監控（SCADA）系統積累了大量包含機組狀態信息的數據，基于SCADA數據的齒輪箱狀態監測受到越來越多的關注，多種建模方法被應用于基于SCADA數據的齒輪箱狀態監測[3]。文獻[4]基于具有外生輸入的非線性自回歸神經網絡分別建立了齒輪箱軸承溫度和潤滑油溫度模型，并應用馬氏距離方法對齒輪箱異常狀態進行監測。文獻[5]提出了一種基于長短期記憶（LSTM）網絡的齒輪箱故障預測方法,該方法表現出了更好的預測性能,能夠較早預測故障的發生。文獻[6]提出了一種基于自適應神經模糊推理系統的建模方法，結合人工神經網絡和模糊邏輯對異常狀態進行診斷，同時基于if-then規則提取異常情況的根原因。文獻[7]提出了一種齒輪箱狀態監測廣義模型，分別采用BP神經網絡、徑向基神經網絡和最小二乘支持向量機建立了齒輪箱狀態預測模型，并利用信息熵從預測模型殘差中提取有用信息用于故障預警。……