2025年，华北电力大学许伯强教授领导的团队研发了一种全新的风电机组故障预警系统。这套系统结合了改进的EEMD算法和强化视觉Transformer模型，能够全面监控机组的运行状态。许伯强教授指出，这套系统可以提前发现多种故障类型，并且准确识别具体问题，极大地提升了设备的安全性。尹彦博博士、孙丽玲副教授和王彪硕士参与了这项研究。 此前，许多预警方法只能针对单一故障进行检测，无法全面反映机组的整体状况。EEMD算法虽然常用于信号处理，但在实时应用中容易出现信息泄露和模态混叠的问题。而传统的Transformer模型在处理多维数据时运算量巨大。 针对这些问题，研究团队做了两方面的改进。首先，他们对EEMD算法进行了优化，通过设置滑动窗口和结合历史数据实现动态分解，有效避免了信息泄露，减少了端点效应。其次，他们在ViT模型中加入了非对称卷积模块和可变形注意力机制，降低了计算复杂度。这样一来，不仅能捕捉到多尺度特征，还提高了预测的效率和精度。 这套系统的核心是构建了一个多维特征矩阵。通过改进后的EEMD分解方法，团队将SCADA系统收集的数据转换成IMF分量，再构建成这个矩阵。这个矩阵能够全面表征风电机组的实时状态，不同故障类型在矩阵中的表现各不相同。 在实验中，这套预警系统表现出色。它成功地对各种故障进行了精准识别，准确率很高。这一成果对于降低运维成本、保障电网安全具有重要意义。 许伯强教授的团队在电气设备状态监测与智能故障诊断领域深耕多年。他们的研究成果包括多项国家级课题、高水平学术论文和发明专利。特别是“异步电动机初发故障在线检测仪”通过了河北省科学技术厅的鉴定，达到了国际先进水平。这个成果已经应用于国防和工业领域。 孙丽玲副教授和尹彦博博士在风力发电机定转子故障检测与诊断方面有着丰富的经验。王彪硕士则专注于风电机组状态监测的研究工作。 这项研究的具体成果发表在2025年第20期的《电工技术学报》上。该课题获得了国家自然科学基金的资助。 总而言之，基于改进EEMD和强化视觉Transformer模型的风电机组故障预警方法为智能运维提供了有效工具。它能够提前发出故障预警并识别具体类型，具有很高的应用价值。