摘要: 风电机组多数故障发生前有较长时间的潜伏期，利用实测 SCADA 数据预测故障发展趋势，有利于早期定位故障， 对减少故障停机时间、降低机组维护代价具有重要意义。SCADA 数据属于多变量时间序列数据，深度学习 LSTM 模型 能够预测时间序列中间隔和延迟相对较长的重要事件，本文提出基于 SCADA 数据、利用 LSTM 模型来预测风机故障。 首先对 SCADA 数据根据时间进行聚合、并归一化处理，转换为 LSTM 的 3D 格式样本、时间步长、特征；然后构建 状态堆叠 LSTM 时序分类神经网络模型并实现；最后利用两组实测 SCADA 数据集分别对模型训练和测试，实验证明 此方法可有效预测风电机组故障。