用SSA优化CNN-LSTM-SEnet预测模型实现风电机组故障预警

摘要

风电机组数据采集与监控系统的原始高维数据存在大量异常点和噪声点，且故障预警对性能预测模型的精度要求很高。为此，建立了一种基于混合神经网络预测模型的风电机组故障预警方法。为获取高质量的建模数据，采用快速密度峰值聚类和孤立森林算法对原始数据进行多步清洗。利用麻雀搜索算法优化的卷积神经网络–长短期记忆网络–压缩激励网络混合模型，建立了能够有效提取潜在特征信息、高精度的风机正常工况性能预测模型。为实现故障可靠预警、降低误报率，通过滑动窗口法构建预警指标并结合核密度估计法计算其阈值。采用真实故障历史数据进行实验，验证了方法的有效性。

关键词

故障预警 / 快速密度峰值聚类 / 孤立森林 / 麻雀搜索算法 / 混合神经网络 / 风电机组