基于XGBoost建模和Change-Point残差处理的风电机组齿轮箱温度预警 |
| |
引用本文: | 王桂松,郭鹏,胥佳,刘瑞华,李韶武.基于XGBoost建模和Change-Point残差处理的风电机组齿轮箱温度预警[J].电力科学与工程,2018(9). |
| |
作者姓名: | 王桂松 郭鹏 胥佳 刘瑞华 李韶武 |
| |
作者单位: | 华北电力大学控制与计算机工程学院;龙源(北京)风电工程技术有限公司 |
| |
摘 要: | 风电机组具有单机容量小,台数多,状态信息复杂的特点;基于SCADA数据的风电机组齿轮箱预警普遍存在预测精度和计算效率低,资源占用高的问题,选取有效方法以克服上述问题成为齿轮箱预警的关键。极限梯度提升(eXtreme Gradient Boosting,XGBoost)算法本身结合多线程、数据压缩、分片的形式,其在处理大数据量样本时仍具有较高的通用性。采用XGBoost算法建立齿轮箱正常工作状态的温度模型,使用XGBoost模型与其它4类回归预测模型分别进行齿轮箱温度预测模型实验,结果表明XGBoost模型在齿轮箱温度预测中综合性能要优于其它4类模型。当齿轮箱发生故障时,模型的样本特性会发生异常变化,导致模型的预测残差发生明显改变。为提高齿轮箱故障预警的可靠性,构建了新的Change-Point算法,利用Change-Point技术进行XGBoost模型预测残差序列分析,可定位齿轮箱状态劣化时间点,回溯状态劣化原因。
|
本文献已被 CNKI 等数据库收录! |
|