摘要: 为准确诊断风电机组的故障类型，充分利用计算资源，自动识别风电机组的不同健康状态，提出了一种新的深度卷积循环神经网络(DCRNN)。首先，该方法采用一维卷积神经网络(1D-CNN)，网络的每一层都使用不同大小的卷积核来挖掘SCADA数据不同尺度的空间特征；其次，利用GRU对提取的空间特征进一步捕捉数据的时间相关性，将空间特征提取能力和时间特征提取能力结合在一起。在一个真实风场的SCADA数据集上验证了该方法的优越性，并与支持向量机(SVM)、随机森林(Random Forest)、CNN和GRU方法进行了比较。