基于CGHKAN的风电机组齿轮箱油温故障预警

摘要

针对复杂工况下风电机组齿轮箱油池温度预测精度与故障预警稳定性难以兼顾的问题，提出一种基于图注意力网络与柯尔莫哥洛夫–阿诺德网络的风电机组齿轮箱故障预警方法。首先采用斯皮尔曼相关系数对监控与数据采集系统变量进行初筛，并利用PCMCI+(Peter and Clark momentary conditional independence+)算法识别变量间因果关系及时滞，构建因果邻接矩阵与时滞矩阵；然后设计因果滞后感知的图注意力网络提取多跳特征，采用共享柯尔莫哥洛夫–阿诺德网络进行非线性变换，并通过注意力机制自适应融合，实现油池温度预测；最后基于预测残差构建滑动窗口与区间估计确定预警阈值，实现齿轮箱故障预警。以华北某风电厂机组实测数据进行验证，结果表明所提方法预测精度优于对比方法，可提前6.1 h发出预警，且虚警率较低。

关键词

风电齿轮箱 / 故障预警 / 因果发现 / 图注意力网络 / 柯尔莫哥洛夫–阿诺德网络