论文部分内容阅读
为更好地识别风电机组主轴承运行状态,提出了一种基于辅助分类生成对抗网络(auxiliary classifier generative adversarial networks,AC-GAN)的数据重构算法对风电机组主轴承温度进行监测.首先,利用采集与监视控制系统(supervisory control and data acquisition,SCADA)时序数据建立基于轻型梯度增强学习器(light gradient boosting machine,LightGBM)的主轴承温度预测模型,并计算其残差特征.其次,利用统计过程控制(statistical process control,SPC)方法对主轴承温度异常残差在控制线范围内进行筛选,并利用AC-GAN算法对残差进行重构.最后,分别提取主轴承温度正常和异常的残差特征,建立基于自然梯度提升(natural gradient boosting,NGBoost)的主轴承状态监测模型.实验结果表明,该方法对主轴承运行状态判断准确度高达87.5％,能够有效地监测风电机组轴承类运行状态.