XGBoost算法在风电机组发电机故障监测预警中的应用研究APPLICATION OF XGBoost ALGORITHM IN FAULT MONITORING AND EARLY WARNING OF WIND TURBINE GERNERATOR
苏国梁,汪健冬,付恩强,赵娟娟,黄文广,刘广臣
摘要(Abstract)：
发电机作为整个风电机组的核心部件之一,其能否正常运行将严重影响风电机组的持续发电。利用集成机器学习算法中的梯度提升算法XGBoost对风电机组发电机故障监测预警进行研究。首先,提取数据采集与监控(SCADA)系统数据库中风电机组在并网状态下的正常运行大数据,对缺失、异常数据进行预处理后,结合运维专家经验利用XGBoost算法筛选出关键特征变量;然后经过训练和参数调整,建立最优风电机组发电机故障监测预警模型;通过对照研究发现,XGBoost算法对风电机组发电机进行故障监测预警的效果优于随机森林算法和Cat Boost算法;最后利用关键特征变量重要性排序作为风电机组发电机故障诊断与定位的参考。
关键词(KeyWords)： 风电机组;发电机;XGBoost算法;监测;故障预警;故障诊断
基金项目(Foundation): 教育部产学合作协同育人项目(201901137017,201801034031,201802257026);; 山东省高等学校教学研究与改革面上项目(M2018X066);; 国家级大学生创新创业训练计划项目(S202010451021)
作者(Author): 苏国梁,汪健冬,付恩强,赵娟娟,黄文广,刘广臣
DOI: 10.19911/j.1003-0417.tyn20210421.01
参考文献(References)：
- [1]杨文,何婷,王贵军.风力发电机组的故障及维护策略[J].机械研究与应用, 2019(5):190-193.
- [2]段震清.基于大数据分析的风电机组运行状态评估及故障诊断[D].太原:山西大学, 2018.
- [3] CHEN W Q, QIU Y N, FENG Y H, et al. Diagnosis of wind turbine faults with transfer learning algorithms[J].Renewable energy, 2021, 163:2053-2067.
- [4] ZARE S, AYATI M. Simultaneous fault diagnosis of wind turbine using multichannel convolutional neural networks[J]. ISA transactions, 2021, 108:230-239.
- [5] REN H, LIU W Y, SHAN M C, et al. A new wind turbine health condition monitoring method based on VMD-MPE and feature-based transfer learning[J]. Measurement, 2019,148:106906.
- [6]王挺韶,季天瑶,姜雨滋,等.基于降噪自动编码器与一维卷积网络的风机故障诊断方法[J/OL].电测与仪表, 2020:1-9[2020-12-22]. http://kns.cnki.net/kcms/detail/23.1202.TH.20201222.1503.009.html.
- [7]褚景春,王飞,李永战,等.一种风力发电机组传动链故障诊断方法及系统:CN201610681478.4[P]. 2018-10-23.
- [8]郭梅.风力发电机传动系统振动监测与故障诊断系统研究[D].杭州:浙江大学, 2017.
- [9]赵洪山,刘辉海,刘宏杨,等.基于堆叠自编码网络的风电机组发电机状态监测与故障诊断[J].电力系统自动化,2018, 42(11):102-108.
- [10]庄哲民,殷国华,李芬兰,等.基于小波神经网络的风力发电机故障诊断[J].电工技术学报, 2009, 24(4):224-228.
- [11]任孝儒.基于定子电流的风力发电机关键部件的故障监测与诊断[D].秦皇岛:燕山大学, 2015.
- [12]赵洪山,闫西慧,王桂兰,等.应用深度自编码网络和XGBoost的风电机组发电机故障诊断[J].电力系统自动化, 2019, 43(1):81-90.
- [13]徐芊,汪健冬,王梦琳,等.基于XGBoost两层算法模型的风机齿轮箱输入轴故障监测与诊断方法[J].电力设备管理, 2020(3):140-143, 124.