具有注意力机制的CNN-GRU模型在风电机组异常状态预警中的应用

摘要

针对风电机组长期在恶劣环境中工作导致故障频发的问题，提出一种具有注意力机制的卷积神经网络(CNN)及门控循环单元(GRU)的异常工况预警方法.利用快速密度峰值聚类和局部离群因子算法对风电机组数据采集与监控系统中的异常数据进行清洗，结合机理分析及极端梯度提升(XGBoost)算法对特征重要性的评估确定模型的输入输出参数，进而采用具有注意力机制的CNN-GRU模型建立风电机组正常运行工况的性能预测模型.以该预测模型为基础，利用时移滑动窗口构建风电机组状态评价指标，并结合统计学中的区间估计法确定预警阈值，最终实现机组异常工况预警.应用某风电机组真实历史故障数据进行实验，结果表明，本文所提方法能够准确地对异常状态进行提前识别和预警，有利于运维人员及时处理故障，保证机组安全稳定运行.

关键词

风电机组 / 卷积神经网络 / 门控循环单元 / 注意力机制 / 故障预警