%0 Journal Article
%A 彭帅
%A 万安平
%A 程晓民
%T 基于1DCNN-BiLSTM-ATT的海上风电机组齿轮箱油温预警方法研究
%D 2025
%R
%J betway官网学报
%P 43-
%V 41
%N 2
%X 针对海上风力发电机组齿轮箱在复杂海洋环境中损坏导致的风电场运维成本过高问题，提出了基于1DCNN-BiLSTM-ATT的油温预警方法。该方法以深度学习理论为基础，构建融合一维卷积神经网络(1DCNN)、双向长短时记忆网络(BiLSTM)和注意力(Attention)机制的混合模型，通过混合模型完成时空特征提取，采用重构误差构建预警阈值，最终实现齿轮箱油温预警。广东省阳江市某海上风电场监视控制与数据采集(SCADA)系统的实验结果表明：该模型的预测误差显著低于1DCNN-BiLSTM、BiLSTM和1DCNN模型，预警响应时间提前6～22 h,有效提升了故障预警的时效性，为海上风电运维提供了可靠的技术方案。
%U https://cbxt.jit.edu.cn/CN/abstract/article_127.shtml