基于深度学习的风电机组智能故障诊断方法

本发明公开了一种基于深度学习的风电机组智能故障诊断方法，S1.实时采集风电机组运行过程中产生的风电机组监测数据集；S2.生成预处理后监测数据；S3.将预处理后监测数据输入时序卷积网络模型中；S4.利用改进Snake优化算法对时序卷积网络模型中的关键超参数进行全局搜索与局部微调；S5.使得到风电机组齿轮断齿故障诊断模型；S6.生成实时的断齿故障诊断结果；S7.当实时断齿故障诊断结果达到或超过预设的异常阈值时，自动触发故障报警及早期预警机制，并将诊断结果及报警信息反馈给运维人员。本发明有效提升了模型在复杂工况下对断齿故障的识别能力。