来源：期刊VIP网 时间：
作者：付景;林永君;刘帅;刘长良;张照彦;
单位：华北电力大学控制与计算机工程学院;保定市综合能源系统状态检测与优化调控重点实验室;河北大学电子信息工程学院;
摘要：为实现风电机组齿轮箱故障早期预警，提出一种基于优化门控循环网络超参数的预警模型。首先，利用随机森林袋外误差估计算法，从风电机组数据采集与监控（SCADA）数据中筛选出与齿轮箱油池温度有重要关联的特征变量；其次，充分挖掘SCADA数据的时空关联特性，基于门控循环网络建立预警模型，同时，为提高模型预测性能，通过蜣螂算法优化门控循环网络的超参数；最后，构造健康指数指标，并建立其与机组运行状态等级间的映射关系，实现机组齿轮箱运行健康度监测及故障预警。以某1.5 MW风电机组运行数据为算例进行验证，结果表明，所提方法能提前2天发出齿轮箱油温异常预警，效果优于GRU模型、LSTM模型等对比模型，能够更加准确有效地实现风电机组齿轮箱故障预警。
关键词：风电机组齿轮箱;故障预警;特征选择;深度学习;时空特征
基金资助：国家自然科学基金青年科学基金项目（62203172）; 中央高校基本科研业务费项目资助（2020JG006,2020MS117）
