基于多层级时空图神经网络的风电机组在线异常检测

作     者：郑毅 王承民 刘保良 杨镜非 黄淳驿 ZHENG Yi;WANG Chengmin;LIU Baoliang;YANG Jingfei;HUANG Chunyi

作者机构：上海交通大学电子信息与电气工程学院上海市200240 沈阳工程学院电力学院辽宁省沈阳市110136 

基　　金：国家自然科学基金面上项目(51777121) 2021年辽宁省揭榜挂帅科技攻关专项(2021JH/10400009) 

出 版 物：《电力系统自动化》 (Automation of Electric Power Systems)

年 卷 期：2024年第48卷第5期

页      码：107-119页

摘      要：在风电场运营中,准确及时的故障检测是降低风电机组运行维护成本的关键。然而,现有检测方法未充分挖掘功能单元间的潜在时空关联,限制了检测准确性的提升。文中提出了一种基于多层级时空图神经网络的风电机组在线异常检测方法,以提高故障检测的准确性。该方法依据风电机组物理结构,将其功能单元划分为多个子图,从而构筑了一个多层级的时空图神经网络,通过图注意力机制和多头注意力机制全方位地分析风电机组各传感器节点与功能单元之间的关联强度。同时,针对数据采集与监控(SCADA)系统数据的时间关联,设计了动态图神经网络和时间注意力机制,使正常行为预测模型捕捉了SCADA系统数据的时间关联特性,实现了空间和时间特性的有效融合。最后,基于中国上海某风电场的实际数据验证了所提方法的显著有效性。

主 题 词：风电机组 在线故障检测 数据采集与监控(SCADA)系统 图神经网络 

学科分类：12[管理学] 080801[080801] 1201[管理学-管理科学与工程类] 0808[工学-自动化类] 08[工学] 081104[081104] 0835[0835] 0811[工学-水利类] 0812[工学-测绘类] 

核心收录：

D　O　I：10.7500/AEPS20230725011

馆 藏 号：203126723...