基于TimeGAN-Stacking的風電機組變槳系統(tǒng)故障診斷方法

打開文本圖片集

摘 要：風電機組變槳系統(tǒng)的少量不均衡故障樣本難以訓練基于數(shù)據(jù)驅(qū)動的故障診斷模型，導致監(jiān)測系統(tǒng)常常漏報或誤報故障。針對上述問題，提出一種基于TimeGAN-Stacking的風電機組變槳系統(tǒng)故障診斷方法。在數(shù)據(jù)層面，由于原始樣本類別不平衡，基于時序生成對抗網(wǎng)絡（TimeGAN）跟蹤風電機組運行數(shù)據(jù)逐步概率分布的動態(tài)變化特征，同時優(yōu)化生成樣本的全局分布與局部分布，有效平衡且擴容風電機組多種故障綜合樣本集；在模型層面，建立Stacking集成模型，融合多個故障診斷器的優(yōu)勢，進一步提高故障診斷能力。（剩余17830字）