摘要
本发明公开了一种高塔架风电机组故障预警与诊断方法及系统。所述方法包括:对高塔架风电机组的SCADA数据进行预处理;通过改进的EEMD算法对预处理后的SCADA数据进行分解,提取至少两个时间尺度的特征信息,并将至少两个时间点的I MF分量拼接成特征矩阵;将所述特征矩阵输入到强化视觉Transformer(Vi T)模型中,得到风电机组的实时状态的预测结果;基于所述预测结果和所述SCADA数据计算残差矩阵,当所述残差矩阵的均方根误差超过预设的预警阈值时,触发故障预警。本申请的技术方案通过改进EEMD算法和强化视觉Transformer模型,提高高塔架风电机组故障预警与诊断的准确性和实时性,增强系统的智能化水平,降低运维成本。
技术关键词
风电机组故障预警
残差矩阵
塔架
诊断方法
局部特征提取
EEMD算法
注意力机制
卷积模块
预测误差
数据
滑动窗口
极值
存储程序指令
通信接口
变量
系统为您推荐了相关专利信息
特征提取网络
印章
图像训练样本
图像处理方法
图像增强模型
条件生成对抗网络
长短期记忆网络
锂电池故障诊断
故障诊断方法
故障特征
工业设备状态
振动监测数据
载荷传感器
多模态融合深度学习
诊断方法
故障诊断方法
航空发动机
分类器集成方法
发动机模型
集群