Review of Data-driven Condition Monitoring and Fault Diagnosis Technologies for Wind Turbines

LONG Huan; YANG Ting; XU Shaohui; GU Wei

doi:10.7500/AEPS20230725006

您当前的位置：

首页 >

文章列表页 >

Review of Data-driven Condition Monitoring and Fault Diagnosis Technologies for Wind Turbines

Invited Paper | 更新时间：2025-06-16

- Review of Data-driven Condition Monitoring and Fault Diagnosis Technologies for Wind Turbines
- Automation of Electric Power Systems Vol. 47, Issue 23, Pages: 55-69(2023)
- 作者机构：
  
  1.东南大学电气工程学院，江苏省南京市 210096
  2.国网江苏省电力有限公司超高压分公司，江苏省南京市 211102
- 作者简介：
- 基金信息：
  
  Young Elite Scientist Sponsorship Program by CAST
- DOI：10.7500/AEPS20230725006
  CLC：
- Received：25 July 2023，
  
  Revised：2023-10-07，
  
  Published Online：07 November 2023，
  
  Published：10 December 2023
- 稿件说明：
移动端阅览
龙寰,杨婷,徐劭辉等.基于数据驱动的风电机组状态监测与故障诊断技术综述[J].电力系统自动化,2023,47(23):55-69.

LONG Huan,YANG Ting,XU Shaohui,et al.Review of Data-driven Condition Monitoring and Fault Diagnosis Technologies for Wind Turbines[J].Automation of Electric Power Systems,2023,47(23):55-69.
龙寰,杨婷,徐劭辉等.基于数据驱动的风电机组状态监测与故障诊断技术综述[J].电力系统自动化,2023,47(23):55-69. DOI： 10.7500/AEPS20230725006.

LONG Huan,YANG Ting,XU Shaohui,et al.Review of Data-driven Condition Monitoring and Fault Diagnosis Technologies for Wind Turbines[J].Automation of Electric Power Systems,2023,47(23):55-69. DOI： 10.7500/AEPS20230725006.

摘要

随着大规模风电场的建设，风电机组的状态监测和故障诊断成为一个重要的研究课题。早期的风电机组状态监测和故障诊断依靠人工巡检，而随着风电机组装机容量的不断增长，人工巡检的成本和难度也随之增加。近年来，基于数据驱动方法的风电机组状态监测和故障诊断逐渐成为热点。文中从运行数据类型出发，对相关研究内容进行综述。首先，针对风电机组数据采集与监控（SCADA）系统，从监测对象角度出发，剖析基于SCADA数据的状态监测与故障诊断方法的研究现状；其次，针对风电机组组件振动数据，分析对比各类振动故障特征提取方法的优点和局限性；然后，针对新兴基于图像数据或数据-图像转换数据的状态监测与故障诊断方法，从单一图像诊断和数据-图像转换评估两方面对现有研究进行论述与总结；最后，对未来状态监测和故障诊断的研究方向进行了展望。

Abstract

With the construction of large-scale wind farms

the condition monitoring and fault diagnosis of wind turbines have become important research topics. In the early stages

the condition monitoring and fault diagnosis of wind turbines mainly rely on manual inspections. However

as the installed capacity of wind turbines continues to increase

the cost and difficulty of manual inspections have dramatically risen. In recent years

the condition monitoring and fault diagnosis of wind turbines based on data-driven methods have gradually become hot topics. This paper provides a review of related research from the view of operation data types. Firstly

for the supervisory control and data acquisition (SCADA) system of wind turbines

the research status of condition monitoring and fault diagnosis methods based on SCADA data is analyzed from the perspective of monitoring objects. Secondly

based on the vibration data of wind turbine components

the advantages and limitations of various vibration fault feature extraction methods are analyzed and compared. Then

according to the new condition monitoring and fault diagnosis methods based on image data or data-image conversion data

the existing research is discussed and summarized from two aspects of single image diagnosis and data-image conversion evaluation. Finally

the future research directions of condition monitoring and fault diagnosis are prospected.

关键词

Keywords

references

郭创新，刘祝平，冯斌，等 . 新型电力系统风险评估研究现状及展望［J］. 高电压技术， 2022 ， 48 （ 9 ）： 3394 - 3404 .

GUO Chuangxin ， LIU Zhuping ， FENG Bin ， et al . Research status and prospect of new-type power system risk assessment ［J］. High Voltage Engineering ， 2022 ， 48 （ 9 ）： 3394 - 3404 .

KEBEDE A A ， KALOGIANNIS T ， VAN MIERLO J ， et al . A comprehensive review of stationary energy storage devices for large scale renewable energy sources grid integration ［J］. Renewable and Sustainable Energy Reviews ， 2022 ， 159 ： 112213 .

国家能源局 . “十四五”可再生能源发展提速［EB/OL］.（ 2022-06-10 ）［ 2023-07-10 ］. http：//www.nea.gov.cn/2022-06/10/c_1310619665.htm http://www.nea.gov.cn/2022-06/10/c_1310619665.htm .

National Energy Administration . Accelerated development of renewable energy during the 14th Five Year Plan period ［EB/OL］. （ 2022-06-10 ）［ 2023-07-10 ］. http：//www.nea.gov.cn/2022-06/10/c_1310619665.htm http://www.nea.gov.cn/2022-06/10/c_1310619665.htm .

夏云峰 . 2022年全球风电新增装机 77 .6 GW［J］. 风能，2023（ 5 ）： 56 - 60 .

XIA Yunfeng . In 2022， the new installed capacity of global wind power will be 77.6 GW ［J］. Wind Energy ， 2023 （ 5 ）： 56 - 60 .

罗魁，郭剑波，马士聪，等 . 海上风电并网可靠性分析及提升关键技术综述［J］. 电网技术， 2022 ， 46 （ 10 ）： 3691 - 3703 .

LUO Kui ， GUO Jianbo ， MA Shicong ， et al . Review of key technologies of reliability analysis and improvement for offshore wind power grid integration ［J］. Power System Technology ， 2022 ， 46 （ 10 ）： 3691 - 3703 .

Renewable energy statistics 2022 ［R］. Abu Dhabi， The United Arab Emirates ： International Renewable Energy Agency ， 2022 .

新型电力系统发展蓝皮书［M］. 北京：中国电力出版社， 2023 .

Bluebook of new power system development ［M］. Beijing ： China Electric Power Press ， 2023 .

国家能源局发布2022年全国电力工业统计数据［EB/OL］.（ 2023-01-18 ）［ 2023-07-10 ］. http：//www.nea.gov.cn/2023-01/18/c_1310691509.htm http://www.nea.gov.cn/2023-01/18/c_1310691509.htm .

National Energy Administration releases 2022 national electric power industry statistical data ［EB/OL］. （ 2023-01-18 ）［ 2023-07-10 ］. http：//www.nea.gov.cn/2023-01/18/c_1310691509.htm http://www.nea.gov.cn/2023-01/18/c_1310691509.htm .

Global wind report 2023 ［R］. Brussels， Belgium ： Global Wind Energy Council ， 2023 .

GAO Z W ， LIU X X . An overview on fault diagnosis， prognosis and resilient control for wind turbine systems ［J］. Processes ， 2021 ， 9 （ 2 ）： 300 .

LIU W Y ， TANG B P ， HAN J G ， et al . The structure healthy condition monitoring and fault diagnosis methods in wind turbines： a review ［J］. Renewable and Sustainable Energy Reviews ， 2015 ， 44 ： 466 - 472 .

SU C ， HU Z Y . Reliability assessment for Chinese domestic wind turbines based on data mining techniques ［J］. Wind Energy ， 2018 ， 21 （ 3 ）： 198 - 209 .

TAUTZ-WEINERT J ， WATSON S J . Using SCADA data for wind turbine condition monitoring—a review ［J］. IET Renewable Power Generation ， 2017 ， 11 （ 4 ）： 382 - 394 .

林玉鑫，张京业 . 海上风电的发展现状与前景展望［J］. 分布式能源， 2023 ， 8 （ 2 ）： 1 - 10 .

LIN Yuxin ， ZHANG Jingye . Development status and prospect of offshore wind power ［J］. Distributed Energy ， 2023 ， 8 （ 2 ）： 1 - 10 .

万远琛，王凯，初岳峰 . 海上风电运维的技术现状和发展综述［J］. 船舶工程， 2020 ， 42 （ 12 ）： 20 - 25 .

WAN Yuanchen ， WANG Kai ， CHU Yuefeng . Summary of technical status and development of offshore wind power operation and maintenance ［J］. Ship Engineering ， 2020 ， 42 （ 12 ）： 20 - 25 .

ZHANG F H ， CHEN M S ， ZHU Y Z ， et al . A review of fault diagnosis， status prediction， and evaluation technology for wind turbines ［J］. Energies ， 2023 ， 16 （ 3 ）： 1125 .

STETCO A ， DINMOHAMMADI F ， ZHAO X Y ， et al . Machine learning methods for wind turbine condition monitoring： a review ［J］. Renewable Energy ， 2019 ， 133 ： 620 - 635 .

张帆，刘德顺，戴巨川，等 . 一种基于SCADA参数关系的风电机组运行状态识别方法［J］. 机械工程学报， 2019 ， 55 （ 4 ）： 1 - 9 .

ZHANG Fan ， LIU Deshun ， DAI Juchuan ， et al . An operating condition recognition method of wind turbine based on SCADA parameter relations ［J］. Journal of Mechanical Engineering ， 2019 ， 55 （ 4 ）： 1 - 9 .

齐咏生，景彤梅，高学金，等 . 基于多维度SCADA参数的风电机组异常辨识［J］. 控制工程， 2021 ， 28 （ 12 ）： 2393 - 2401 .

QI Yongsheng ， JING Tongmei ， GAO Xuejin ， et al . Wind turbine anomaly identification based on multi-dimensional SCADA parameters ［J］. Control Engineering of China ， 2021 ， 28 （ 12 ）： 2393 - 2401 .

曾军，陈艳峰，杨苹，等 . 大型风力发电机组故障诊断综述［J］. 电网技术， 2018 ， 42 （ 3 ）： 849 - 860 .

ZENG Jun ， CHEN Yanfeng ， YANG Ping ， et al . Review of fault diagnosis methods of large-scale wind turbines ［J］. Power System Technology ， 2018 ， 42 （ 3 ）： 849 - 860 .

符杨，周全，贾锋，等 . 基于SCADA数据图形化的海上风电机组故障预测［J］. 中国电机工程学报， 2022 ， 42 （ 20 ）： 7465 - 7475 .

FU Yang ， ZHOU Quan ， JIA Feng ， et al . Fault prediction of offshore wind turbine based on SCADA data graphics ［J］. Proceedings of the CSEE ， 2022 ， 42 （ 20 ）： 7465 - 7475 .

BENBOUZID M ， BERGHOUT T ， SARMA N ， et al . Intelligent condition monitoring of wind power systems： state of the art review ［J］. Energies ， 2021 ， 14 （ 18 ）： 5967 .

郭光华，陈萱，管迎春，等 . 风机齿轮箱振动信号采集系统设计［J］. 电工技术， 2023 （ 8 ）： 62 - 65 .

GUO Guanghua ， CHEN Xuan ， GUAN Yingchun ， et al . Design of vibration signal acquisition system for fan gearbox ［J］. Electric Engineering ， 2023 （ 8 ）： 62 - 65 .

YAN X A ， JIA M P . Bearing fault diagnosis via a parameter-optimized feature mode decomposition ［J］. Measurement ， 2022 ， 203 ： 112016 .

焦嵩鸣，白健鹏，首云锋 . 风机叶片精准巡视的无人机控制策略研究［J］. 中国电机工程学报， 2023 ， 43 （ 10 ）： 3822 - 3832 .

JIAO Songming ， BAI Jianpeng ， SHOU Yunfeng . Research on UAV control strategy for accurate inspection of wind turbine blades ［J］. Proceedings of the CSEE ， 2023 ， 43 （ 10 ）： 3822 - 3832 .

何赟泽，李响，王洪金，等 . 基于可见光和热成像的风机叶片全周期无损检测综述［J］. 机械工程学报， 2023 ， 59 （ 6 ）： 32 - 45 .

HE Yunze ， LI Xiang ， WANG Hongjin ， et al . Summary of full-cycle nondestructive testing of fan blades based on visible light and thermal imaging ［J］. Journal of Mechanical Engineering ， 2023 ， 59 （ 6 ）： 32 - 45 .

施萌，马永光 . 基于SCADA数据的风电场故障预警［J］. 电力科学与工程， 2020 ， 36 （ 8 ）： 25 - 29 .

SHI Meng ， MA Yongguang . Fault early warning of wind farm based on SCADA data ［J］. Electric Power Science and Engineering ， 2020 ， 36 （ 8 ）： 25 - 29 .

肖钊，邓杰文，刘晓明，等 . 基于运行规律和TICC算法的风电SCADA高维时序数据聚类方法［J］. 机械工程学报， 2022 ， 58 （ 23 ）： 196 - 207 .

XIAO Zhao ， DENG Jiewen ， LIU Xiaoming ， et al . Clustering method of high-dimensional time series data of wind power SCADA based on operation law and TICC algorithm ［J］. Journal of Mechanical Engineering ， 2022 ， 58 （ 23 ）： 196 - 207 .

尹诗，侯国莲，于晓东，等 . 基于SCADA数据的风电机组齿轮箱状态监测方法［J］. 太阳能学报， 2021 ， 42 （ 1 ）： 324 - 332 .

YIN Shi ， HOU Guolian ， YU Xiaodong ， et al . Condition monitoring method of wind turbine gear box based on SCADA data ［J］. Acta Energiae Solaris Sinica ， 2021 ， 42 （ 1 ）： 324 - 332 .

FU Y C ， LIU Y H ， GAO Z W . Fault classification in wind turbines using principal component analysis technique ［C］// IEEE 17th International Conference on Industrial Informatics （INDIN）， July 22-25 ， 2019 ， Helsinki， Finland ： 1303 - 1308 .

王林，刘志军，田强，等 . 柔性支持向量回归算法在故障诊断中的应用［J］. 控制工程， 2017 ， 24 （ 6 ）： 1261 - 1265 .

WANG Lin ， LIU Zhijun ， TIAN Qiang ， et al . A flexible support vector regression method and its application in fault diagnosis ［J］. Control Engineering of China ， 2017 ， 24 （ 6 ）： 1261 - 1265 .

ABDALLAH I ， DERTIMANIS V ， MYLONAS H ， et al . Fault diagnosis of wind turbine structures using decision tree learning algorithms with big data ［C］// European Safety and Reliability Conference ， June 17-21 ， 2018 ， Trondheim， Norway .

TUERXUN W ， XU C ， GUO H Y ， et al . Fault diagnosis of wind turbines based on a support vector machine optimized by the sparrow search algorithm ［J］. IEEE Access ， 2021 ， 9 ： 69307 - 69315 .

胡纯直 . 风机齿轮箱多故障诊断问题研究［D］. 杭州：浙江大学， 2017 .

HU Chunzhi . Research on multi-fault diagnosis of fan gearbox ［D］. Hangzhou ： Zhejiang University ， 2017 .

PÉREZ-PÉREZ E J ， LÓPEZ-ESTRADA F R ， PUIG V ， et al . Fault diagnosis in wind turbines based on ANFIS and Takagi-Sugeno interval observers ［J］. Expert Systems with Applications ， 2022 ， 206 ： 117698 .

MAHMOOD F H ， KADHIM H T ， RESEN A K ， et al . Bearing failure detection of micro wind turbine via power spectral density analysis for stator current signals spectrum ［C］// AIP Conference Proceedings ， May 24 ， 2018， Beirut， Lebanon.

KUMAR R ， ISMAIL M ， ZHAO W ， et al . Damage detection of wind turbine system based on signal processing approach： a critical review ［J］. Clean Technologies and Environmental Policy ， 2021 ， 23 （ 2 ）： 561 - 580 .

胡爱军，严家祥，白泽瑞 . 基于MOMEDA和增强倒频谱的风电机组齿轮箱多故障诊断方法［J］. 振动与冲击， 2021 ， 40 （ 7 ）： 268 - 273 .

HU Aijun ， YAN Jiaxiang ， BAI Zerui . Multi-fault diagnosis method for wind turbine gearbox based on MOMEDA and enhanced cepstrum ［J］. Journal of Vibration and Shock ， 2021 ， 40 （ 7 ）： 268 - 273 .

YAN X ， WU G X ， ZUO Y B . YOLOV4-based wind turbine blade crack defect detection ［C］// IncoME-VI and TEPEN 2021 ， October 20-23 ， 2021 ， Tianjin， China .

ZHU Y F ， LIU X Y . A lightweight CNN for wind turbine blade defect detection based on spectrograms ［J］. Machines ， 2023 ， 11 （ 1 ）： 99 .

ZHANG J J ， COSMA G ， WATKINS J . Image enhanced mask R-CNN： a deep learning pipeline with new evaluation measures for wind turbine blade defect detection and classification ［J］. Journal of Imaging ， 2021 ， 7 （ 3 ）： 46 .

ZHANG D H ， QIAN L Y ， MAO B J ， et al . A data-driven design for fault detection of wind turbines using random forests and XGboost ［J］. IEEE Access ， 2018 ， 6 ： 21020 - 21031 .

WU Z D ， WANG X L ， JIANG B C . Fault diagnosis for wind turbines based on relief and extreme gradient boosting ［J］. Applied Sciences ， 2020 ， 10 （ 9 ）： 3258 .

PANG Y H ， HE Q ， JIANG G Q ， et al . Spatio-temporal fusion neural network for multi-class fault diagnosis of wind turbines based on SCADA data ［J］. Renewable Energy ， 2020 ， 161 ： 510 - 524 .

LI Y T ， LIU S J ， SHU L J . Wind turbine fault diagnosis based on Gaussian process classifiers applied to operational data ［J］. Renewable Energy ， 2019 ， 134 ： 357 - 366 .

WANG Z Q ， LIU C L . Wind turbine condition monitoring based on a novel multivariate state estimation technique ［J］. Measurement ， 2021 ， 168 ： 108388 .

KUSIAK A ， VERMA A . Monitoring wind farms with performance curves ［J］. IEEE Transactions on Sustainable Energy ， 2013 ， 4 （ 1 ）： 192 - 199 .

LONG H ， WANG L ， ZHANG Z J ， et al . Data-driven wind turbine power generation performance monitoring ［J］. IEEE Transactions on Industrial Electronics ， 2015 ， 62 （ 10 ）： 6627 - 6635 .

鲍雨浓 . 数据驱动的大型风力发电系统性能提升及故障预警［D］. 杭州：浙江大学， 2021 .

BAO Yunong . Performance improvement and fault early warning of data-driven large-scale wind power generation system ［D］. Hangzhou ： Zhejiang University ， 2021 .

肖桂雨，向健平，凌永志，等 . 基于小波神经网络的风力发电机故障预测方法［J］. 电力科学与技术学报， 2019 ， 34 （ 2 ）： 195 - 202 .

XIAO Guiyu ， XIANG Jianping ， LING Yongzhi ， et al . Prediction of wind turbine faults based on wavelet neural networks ［J］. Journal of Electric Power Science and Technology ， 2019 ， 34 （ 2 ）： 195 - 202 .

GILL S ， STEPHEN B ， GALLOWAY S . Wind turbine condition assessment through power curve Copula modeling ［J］. IEEE Transactions on Sustainable Energy ， 2012 ， 3 （ 1 ）： 94 - 101 .

KONG Z Q ， TANG B P ， DENG L ， et al . Condition monitoring of wind turbines based on spatio-temporal fusion of SCADA data by convolutional neural networks and gated recurrent units ［J］. Renewable Energy ， 2020 ， 146 ： 760 - 768 .

WANG L ， ZHANG Z J ， LONG H ， et al . Wind turbine gearbox failure identification with deep neural networks ［J］. IEEE Transactions on Industrial Informatics ， 2017 ， 13 （ 3 ）： 1360 - 1368 .

QIAN P ， MA X D ， CROSS P . Integrated data-driven model-based approach to condition monitoring of the wind turbine gearbox ［J］. IET Renewable Power Generation ， 2017 ， 11 （ 9 ）： 1177 - 1185 .

沈学利，杨莹，秦鑫宇，等 . 基于残差神经网络的风机叶片结冰故障诊断［J］. 噪声与振动控制， 2022 ， 42 （ 1 ）： 79 - 87 .

SHEN Xueli ， YANG Ying ， QIN Xinyu ， et al . Icing fault diagnosis of wind turbine blades based on residual neural network ［J］. Noise and Vibration Control ， 2022 ， 42 （ 1 ）： 79 - 87 .

曾祥军 . 数据驱动的风电机组齿轮箱异常检测与故障诊断研究［D］. 济南：山东大学， 2022 .

ZENG Xiangjun . Research on abnormal detection and fault diagnosis of gearbox of wind turbine driven by data ［D］. Jinan ： Shandong University ， 2022 .

姚晨 . 基于深度学习的风机故障诊断与预警［D］. 北京：华北电力大学， 2021 .

YAO Chen . Fault diagnosis and early warning of fan based on deep learning ［D］. Beijing ： North China Electric Power University ， 2021 .

尹诗，余忠源，孟凯峰，等 . 基于非线性状态估计的风电机组变桨控制系统故障识别［J］. 中国电机工程学报， 2014 ， 34 （增刊1 ）： 160 - 165 .

YIN Shi ， YU Zhongyuan ， MENG Kaifeng ， et al . Fault identification of pitch control system of wind turbine based on nonlinear state estimation ［J］. Proceedings of the CSEE ， 2014 ， 34 （ Supplement 1 ）： 160 - 165 .

ZHUANG Y ， ZHANG Z . Analysis and research of wind turbine failure warning based on SCADA big data ［J］. Technology and Innovation ， 2023 （ 9 ）： 31 - 35 .

WANG Z Q ， LIU C L ， YAN F . Condition monitoring of wind turbine based on incremental learning and multivariate state estimation technique ［J］. Renewable Energy ， 2022 ， 184 ： 343 - 360 .

JIN X H ， XU Z W ， QIAO W . Condition monitoring of wind turbine generators using SCADA data analysis ［J］. IEEE Transactions on Sustainable Energy ， 2021 ， 12 （ 1 ）： 202 - 210 .

赵洪山，刘辉海，刘宏杨，等 . 基于堆叠自编码网络的风电机组发电机状态监测与故障诊断［J］. 电力系统自动化， 2018 ， 42 （ 11 ）： 102 - 108 .

ZHAO Hongshan ， LIU Huihai ， LIU Hongyang ， et al . Condition monitoring and fault diagnosis of wind turbine generator based on stacked autoencoder network ［J］. Automation of Electric Power Systems ， 2018 ， 42 （ 11 ）： 102 - 108 .

JIANG G Q ， XIE P ， HE H B ， et al . Wind turbine fault detection using a denoising autoencoder with temporal information ［J］. IEEE/ASME Transactions on Mechatronics ， 2018 ， 23 （ 1 ）： 89 - 100 .

YANG L X ， ZHANG Z J . A conditional convolutional autoencoder-based method for monitoring wind turbine blade breakages ［J］. IEEE Transactions on Industrial Informatics ， 2021 ， 17 （ 9 ）： 6390 - 6398 .

李政宇，李练兵，芮莹莹 . 基于改进遗传算法优化自联想神经网络的风机故障诊断［J］. 计算机应用与软件， 2022 ， 39 （ 6 ）： 297 - 302 .

LI Zhengyu ， LI Lianbing ， RUI Yingying . Fault diagnosis of wind turbine based on auto-associative neural network optimized by improved genetic algorithm ［J］. Computer Applications and Software ， 2022 ， 39 （ 6 ）： 297 - 302 .

赵洪山，闫西慧，王桂兰，等 . 应用深度自编码网络和XGBoost的风电机组发电机故障诊断［J］. 电力系统自动化， 2019 ， 43 （ 1 ）： 81 - 86 .

ZHAO Hongshan ， YAN Xihui ， WANG Guilan ， et al . Fault diagnosis of wind turbine generator based on deep autoencoder network and XGBoost ［J］. Automation of Electric Power Systems ， 2019 ， 43 （ 1 ）： 81 - 86 .

YANG L X ， ZHANG Z J . Wind turbine gearbox failure detection based on SCADA data： a deep learning-based approach ［J］. IEEE Transactions on Instrumentation and Measurement ， 2021 ， 70 ： 1 - 11 .

刘帅 . 基于实时监测数据挖掘的风电机组故障预警方法研究［D］. 北京：华北电力大学， 2019 .

LIU Shuai . Research on fault early warning method of wind turbine based on real-time monitoring data mining ［D］. Beijing ： North China Electric Power University ， 2019 .

JIA X J ， HAN Y ， LI Y J ， et al . Condition monitoring and performance forecasting of wind turbines based on denoising autoencoder and novel convolutional neural networks ［J］. Energy Reports ， 2021 ， 7 ： 6354 - 6365 .

WANG L ， ZHANG Z J ， XU J ， et al . Wind turbine blade breakage monitoring with deep autoencoders ［J］. IEEE Transactions on Smart Grid ， 2018 ， 9 （ 4 ）： 2824 - 2833 .

ZHANG Y C ， LI M ， DONG Z Y ， et al . Probabilistic anomaly detection approach for data-driven wind turbine condition monitoring ［J］. CSEE Journal of Power and Energy Systems ， 2019 ， 5 （ 2 ）： 149 - 158 .

马良玉，程善珍 . 基于支持向量数据描述和XGBoost的风电机组异常工况预警研究［J］. 电工技术学报， 2022 ， 37 （ 13 ）： 3241 - 3249 .

MA Liangyu ， CHENG Shanzhen . Abnormal state early warning of wind turbine generator based on support vector data description and XGBoost ［J］. Transactions of China Electrotechnical Society ， 2022 ， 37 （ 13 ）： 3241 - 3249 .

YUAN T K ， SUN Z F ， MA S H . Gearbox fault prediction of wind turbines based on a stacking model and change-point detection ［J］. Energies ， 2019 ， 12 （ 22 ）： 4224 .

DAO P B ， STASZEWSKI W J ， BARSZCZ T ， et al . Condition monitoring and fault detection in wind turbines based on cointegration analysis of SCADA data ［J］. Renewable Energy ， 2018 ， 116 ： 107 - 122 .

DAO P B . Condition monitoring and fault diagnosis of wind turbines based on structural break detection in SCADA data ［J］. Renewable Energy ， 2022 ， 185 ： 641 - 654 .

CUI Y ， BANGALORE P ， TJERNBERG L B . An anomaly detection approach based on machine learning and SCADA data for condition monitoring of wind turbines ［C］// IEEE International Conference on Probabilistic Methods Applied to Power Systems ， June 24-28 ， 2018 ， Boise， USA .

WANG Y F ， MA X D ， QIAN P . Wind turbine fault detection and identification through PCA-based optimal variable selection ［J］. IEEE Transactions on Sustainable Energy ， 2018 ， 9 （ 4 ）： 1627 - 1635 .

WANG A Q ， PEI Y ， QIAN Z ， et al . A two-stage anomaly decomposition scheme based on multi-variable correlation extraction for wind turbine fault detection and identification ［J］. Applied Energy ， 2022 ， 321 ： 119373 .

CROSS P ， MA X D . Model-based and fuzzy logic approaches to condition monitoring of operational wind turbines ［J］. International Journal of Automation and Computing ， 2015 ， 12 （ 1 ）： 25 - 34 .

QU F M ， LIU J H ， ZHU H F ， et al . Wind turbine fault detection based on expanded linguistic terms and rules using non-singleton fuzzy logic ［J］. Applied Energy ， 2020 ， 262 ： 114469 .

SCHLECHTINGEN M ， SANTOS I F ， ACHICHE S . Wind turbine condition monitoring based on SCADA data using normal behavior models： Part 1 system description ［J］. Applied Soft Computing ， 2013 ， 13 （ 1 ）： 259 - 270 .

ZHU Y C ， ZHU C C ， TAN J J ， et al . Operational state assessment of wind turbine gearbox based on long short-term memory networks and fuzzy synthesis ［J］. Renewable Energy ， 2022 ， 181 ： 1167 - 1176 .

冯志鹏，范寅夕， LIANG Ming ，等 . 行星齿轮箱故障诊断的非平稳振动信号分析方法［J］. 中国电机工程学报， 2013 ， 33 （ 17 ）： 105 - 110 .

FENG Zhipeng ， FAN Yinxi ， LIANG Ming ， et al . A nonstationary vibration signal analysis method for fault diagnosis of planetary gearboxes ［J］. Proceedings of the CSEE ， 2013 ， 33 （ 17 ）： 105 - 110 .

安学利，蒋东翔，李少华 . 基于决策融合的直驱风力发电机组轴承故障诊断［J］. 电网技术， 2011 ， 35 （ 7 ）： 36 - 41 .

AN Xueli ， JIANG Dongxiang ， LI Shaohua . Fault diagnosis of spherical roller bearing of direct-drive wind turbine based on decision fusion ［J］. Power System Technology ， 2011 ， 35 （ 7 ）： 36 - 41 .

ZHANG Z J ， VERMA A ， KUSIAK A . Fault analysis and condition monitoring of the wind turbine gearbox ［J］. IEEE Transactions on Energy Conversion ， 2012 ， 27 （ 2 ）： 526 - 535 .

PICHIKA S V V S N ， MEGANAA G ， GEETHA RAJASEKHARAN S ， et al . Multi-component fault classification of a wind turbine gearbox using integrated condition monitoring and hybrid ensemble method approach ［J］. Applied Acoustics ， 2022 ， 195 ： 108814 .

JARAMILLO F ， GUTIÉRREZ J M ， ORCHARD M ， et al . A Bayesian approach for fatigue damage diagnosis and prognosis of wind turbine blades ［J］. Mechanical Systems and Signal Processing ， 2022 ， 174 ： 109067 .

唐贵基，孙军科，王晓龙，等 . 基于改进SSD-Teager时频分析的引风机转子故障诊断方法［J］. 电力自动化设备， 2022 ， 42 （ 3 ）： 121 - 127 .

TANG Guiji ， SUN Junke ， WANG Xiaolong ， et al . Diagnosis method for rotor fault of induced draft fan based on improved SSD-Teager time-frequency analysis ［J］. Electric Power Automation Equipment ， 2022 ， 42 （ 3 ）： 121 - 127 .

FENG Z P ， LIANG M . Fault diagnosis of wind turbine planetary gearbox under nonstationary conditions via adaptive optimal kernel time-frequency analysis ［J］. Renewable Energy ， 2014 ， 66 ： 468 - 477 .

ANTONIADOU I ， MANSON G ， STASZEWSKI W J ， et al . A time-frequency analysis approach for condition monitoring of a wind turbine gearbox under varying load conditions ［J］. Mechanical Systems and Signal Processing ， 2015 ， 64/65 ： 188 - 216 .

REN H ， LIU W Y ， SHAN M C ， et al . A novel wind turbine health condition monitoring method based on composite variational mode entropy and weighted distribution adaptation ［J］. Renewable Energy ， 2021 ， 168 ： 972 - 980 .

REN H ， LIU W Y ， SHAN M C ， et al . A new wind turbine health condition monitoring method based on VMD-MPE and feature-based transfer learning ［J］. Measurement ， 2019 ， 148 ： 106906 .

LIU W Y ， ZHANG W H ， HAN J G ， et al . A new wind turbine fault diagnosis method based on the local mean decomposition ［J］. Renewable Energy ， 2012 ， 48 ： 411 - 415 .

宗永涛，沈艳霞，纪志成，等 . 基于形态学滤波和EEMD方法的风力发电系统滚动轴承故障诊断［J］. 机械传动， 2014 ， 38 （ 11 ）： 116 - 120 .

ZONG Yongtao ， SHEN Yanxia ， JI Zhicheng ， et al . Fault diagnosis of rolling bearing in wind power generation system based on morphological filtering and EEMD method ［J］. Journal of Mechanical Transmission ， 2014 ， 38 （ 11 ）： 116 - 120 .

龙霞飞，杨苹，郭红霞，等 . 基于KELM和多传感器信息融合的风电齿轮箱故障诊断［J］. 电力系统自动化， 2019 ， 43 （ 17 ）： 132 - 139 .

LONG Xiafei ， YANG Ping ， GUO Hongxia ， et al . Fault diagnosis of wind turbine gearbox based on KELM and multi-sensor information fusion ［J］. Automation of Electric Power Systems ， 2019 ， 43 （ 17 ）： 132 - 139 .

黄南天，杨学航，蔡国伟，等 . 采用非平衡小样本数据的风机主轴承故障深度对抗诊断［J］. 中国电机工程学报， 2020 ， 40 （ 2 ）： 563 - 574 .

HUANG Nantian ， YANG Xuehang ， CAI Guowei ， et al . A deep adversarial diagnosis method for wind turbine main bearing fault with imbalanced small sample scenarios ［J］. Proceedings of the CSEE ， 2020 ， 40 （ 2 ）： 563 - 574 .

卢锦玲，张祥国，张伟，等 . 基于改进辅助分类生成对抗网络的风机主轴承故障诊断［J］. 电力系统自动化， 2021 ， 45 （ 7 ）： 148 - 154 .

LU Jinling ， ZHANG Xiangguo ， ZHANG Wei ， et al . Fault diagnosis of fan main bearing based on improved auxiliary classification generation countermeasure network ［J］. Automation of Electric Power Systems ， 2021 ， 45 （ 7 ）： 148 - 154 .

李东东，刘宇航，赵阳，等 . 基于改进生成对抗网络的风机行星齿轮箱故障诊断方法［J］. 中国电机工程学报， 2021 ， 41 （ 21 ）： 7496 - 7507 .

LI Dongdong ， LIU Yuhang ， ZHAO Yang ， et al . Fault diagnosis method of wind turbine planetary gearbox based on improved generative adversarial network ［J］. Proceedings of the CSEE ， 2021 ， 41 （ 21 ）： 7496 - 7507 .

彭麟 . 基于无人机获取图像的风机叶片表面故障的检测与分析［D］. 上海：上海电机学院， 2019 .

PENG Lin . Detection and analysis of surface faults of fan blades based on images obtained by UAV ［D］. Shanghai ： Shanghai Dianji University ， 2019 .

ZHAO X Y ， DONG C Y ， ZHOU P ， et al . Detecting surface defects of wind tubine blades using an Alexnet deep learning algorithm ［J］. IEICE Transactions on Fundamentals of Electronics， Communications and Computer Sciences ， 2019 ， E102-A（ 12 ）： 1817 - 1824 .

YANG X Y ， ZHANG Y F ， LV W ， et al . Image recognition of wind turbine blade damage based on a deep learning model with transfer learning and an ensemble learning classifier ［J］. Renewable Energy ， 2021 ， 163 ： 386 - 397 .

WANG L ， ZHANG Z J . Automatic detection of wind turbine blade surface cracks based on UAV-taken images ［J］. IEEE Transactions on Industrial Electronics ， 2017 ， 64 （ 9 ）： 7293 - 7303 .

SHIHAVUDDIN A ， CHEN X A ， FEDOROV V ， et al . Wind turbine surface damage detection by deep learning aided drone inspection analysis ［J］. Energies ， 2019 ， 12 （ 4 ）： 676 .

张建斐 . 基于机器视觉的风力发电机叶片表面缺陷检测研究［D］. 兰州：兰州理工大学， 2018 .

ZHANG Jianfei . Research on surface defect detection of wind turbine blades based on machine vision ［D］. Lanzhou ： Lanzhou University of Technology ， 2018 .

仇梓峰 . 基于计算机视觉的风机叶片表面损伤检测研究［D］. 北京：北京交通大学， 2019 .

QIU Zifeng . Research on surface damage detection of fan blade based on computer vision ［D］. Beijing ： Beijing Jiaotong University ， 2019 .

唐震，彭业萍，王伟江，等 . 融合Hough直线检测和Grab-cut的风机叶片自适应分割方法［J］. 电子测量与仪器学报， 2021 ， 35 （ 4 ）： 161 - 168 .

TANG Zhen ， PENG Yeping ， WANG Weijiang ， et al . Adaptive segmentation method for wind turbine blades combining Hough line detection and Grab-cut algorithm ［J］. Journal of Electronic Measurement and Instrumentation ， 2021 ， 35 （ 4 ）： 161 - 168 .

CARR J ， BAQERSAD J ， NIEZRECKI C ， et al . Full-field dynamic strain on wind turbine blade using digital image correlation techniques and limited sets of measured data from photogrammetric targets ［J］. Experimental Techniques ， 2016 ， 40 （ 2 ）： 819 - 831 .

WU R ， ZHANG D S ， YU Q F ， et al . Health monitoring of wind turbine blades in operation using three-dimensional digital image correlation ［J］. Mechanical Systems and Signal Processing ， 2019 ， 130 ： 470 - 483 .

FENG W W ， LI Q A ， DU W X ， et al . Remote 3D displacement sensing for large structures with stereo digital image correlation ［J］. Remote Sensing ， 2023 ， 15 （ 6 ）： 1591 .

DENG L W ， GUO Y G ， CHAI B R . Defect detection on a wind turbine blade based on digital image processing ［J］. Processes ， 2021 ， 9 （ 8 ）： 1452 .

WEN L ， LI X Y ， GAO L ， et al . A new convolutional neural network-based data-driven fault diagnosis method ［J］. IEEE Transactions on Industrial Electronics ， 2018 ， 65 （ 7 ）： 5990 - 5998 .

YOO Y ， BAEK J G . A novel image feature for the remaining useful lifetime prediction of bearings based on continuous wavelet transform and convolutional neural network ［J］. Applied Sciences ， 2018 ， 8 （ 7 ）： 1102 .

ZHANG Y ， XING K S ， BAI R X ， et al . An enhanced convolutional neural network for bearing fault diagnosis based on time-frequency image ［J］. Measurement ， 2020 ， 157 ： 107667 .

星康硕 . 基于深度学习的滚动轴承故障诊断方法研究［D］. 秦皇岛：燕山大学， 2021 .

XING Kangshuo . Research on fault diagnosis method of rolling bearing based on deep learning ［D］. Qinhuangdao ： Yanshan University ， 2021 .

梁朋飞 . 基于深度学习的齿轮箱智能故障诊断技术研究［D］. 武汉：华中科技大学， 2020 .

LIANG Pengfei . Research on intelligent fault diagnosis technology of gearbox based on deep learning ［D］. Wuhan ： Huazhong University of Science and Technology ， 2020 .

RAHIMILARKI R ， GAO Z W ， JIN N L ， et al . Convolutional neural network fault classification based on time-series analysis for benchmark wind turbine machine ［J］. Renewable Energy ， 2022 ， 185 ： 916 - 931 .

CHOUDHARY A ， MIAN T ， FATIMA S . Convolutional neural network based bearing fault diagnosis of rotating machine using thermal images ［J］. Measurement ， 2021 ， 176 ： 109196 .

WAN Q ， GAO L ， LI X Y ， et al . Industrial image anomaly localization based on Gaussian clustering of pretrained feature ［J］. IEEE Transactions on Industrial Electronics ， 2022 ， 69 （ 6 ）： 6182 - 6192 .

WAN Q ， CAO Y K ， GAO L ， et al . Position encoding enhanced feature mapping for image anomaly detection ［C］// IEEE 18th International Conference on Automation Science and Engineering （CASE）， August 20-24 ， 2022 ， Mexico City， Mexico ： 876 - 881 .

Views

下载量

CSCD

Alert me when the article has been cited

提交

Tools

Publicity Resources

Adaptive Learning Dispatching Model Based on Long Short-term Memory Network with Internal Input Update

Probability Prediction Based Risk Assessment and Proactive Regulation and Control Strategy for Static Operation Safety of Power Grid

Research and Prospect for Data-driven Estimation and Prediction of Solar Radiation

基于堆叠自编码网络的风电机组发电机状态监测与故障诊断

Related Author

LONG Huan

YANG Ting

XU Shaohui

GU Wei

MENG Fei

SHAN Lianfei

LU Feng

ZHU Zixin

Related Institution

School of Electrical Engineering, Southeast University

Extra-high Voltage Branch of State Grid Jiangsu Electric Power Co. Ltd.

Power Dispatch and Control Center of State Grid Ningxia Electric Power Co., Ltd.

NARI Group Corporation(State Grid Electric Power Research Institute)

Beijing Kedong Electric Power Control System Co., Ltd.

⁰