基于神经网络的风电机组齿轮箱油温故障检测方法和系统

摘要

本发明涉及一种基于神经网络的风电机组齿轮箱油温故障检测方法和系统。该方法包括：读取一定周期内的风电机组运行数据作为初始数据集；基于初始数据集筛选出齿轮箱油温5种类别下的数据作为待分析数据集；通过人工确认待分析数据集中齿轮箱油温‑功率散点图，确定当前风机的齿轮箱处于何种工作状态，以确定训练数据集的标签；对样本数量较少的类别进行重采样，使得各个类别的样本数量达到平衡；构建基于深度残差网络的神经网络模型，使用待分析数据集对其进行训练；根据训练后的深度残差网络模型对待分类的风机数据样本进行标注。本发明从数据驱动与模式识别的角度实现了对风机齿轮箱油温故障的检测，能够间接提升风电机组的发电性能。