章楷,胡鹏,冯江,张彦龙,张超宇,刘诗意,李佳彬,孟子月,杨生进.基于数据驱动的风电机组故障预警研究[J].电工技术,2024(12):75-78
基于数据驱动的风电机组故障预警研究
  
DOI：10.19768/j.cnki.dgjs.2024.12.023
中文关键词:  机器学习  风电机组  SCADA  TPE LightGBM算法
英文关键词:
基金项目:
作者单位
章楷 龙源(北京)新能源工程技术有限公司 
胡鹏 龙源(北京)新能源工程技术有限公司 
冯江 龙源(北京)新能源工程技术有限公司 
张彦龙 龙源(北京)新能源工程技术有限公司 
张超宇 龙源(北京)新能源工程技术有限公司 
刘诗意 龙源(北京)新能源工程技术有限公司 
李佳彬 龙源(北京)新能源工程技术有限公司 
孟子月 龙源(北京)新能源工程技术有限公司 
杨生进 龙源(北京)新能源工程技术有限公司 
摘要点击次数: 360
全文下载次数: 0
中文摘要:
      针对目前传统机器学习算法在风电机组建模中存在训练速度慢、准确性低等缺点，研究了基于TPE LightGBM算法的风电机组正常行为模型，并以正常行为模型为基础制定故障预警方案。首先，结合风机运行原理和XGBoost算法完成建模前的特征选择工作并利用异常数据处理后的SCADA历史运行数据建立风机性能、齿轮箱等的正常行为模型。然后，以正常行为模型输出与实际值的偏差为预警指标，引入滑动窗口模型对预警指标做平滑处理后作为阈值指标。最后，利用SCADA历史故障记录数据对预警方案进行实验验证，结果表明所提预警方案能够在SCADA系统报警提示信息发出前实现故障的提前预警。
英文摘要:
      
查看全文  查看/发表评论  下载PDF阅读器