| 基于XGBoost-KDE的风机主轴承温度预测与故障预警方法 |
| |
| 引用本文： | 万安平1,龚志鹏1,2,张银龙3,纪云松4,马士东4,刘海南4,张运宁4,敖立争4,陈 希4,彭 晨1. 基于XGBoost-KDE的风机主轴承温度预测与故障预警方法[J]. 热力发电, 2022, 51(12): 164-171 |
| |
| 作者姓名： | 万安平1 龚志鹏1 2 张银龙3 纪云松4 马士东4 刘海南4 张运宁4 敖立争4 陈 希4 彭 晨1 |
| |
| 作者单位： | 1.浙大城市学院，浙江 杭州 310015；2.浙江工业大学机械工程学院，浙江 杭州 310014；3.华电电力科学研究院，浙江 杭州 310030；4.广东华电福新阳江海上风电有限公司，广东 阳江 529500 |
| |
| 摘 要： | 风力发电机主轴承的故障诊断是提高其可靠性和可用性的关键。为及时发现风机主轴承故障，提出一种基于XGBoost-KDE的风机主轴承温度预测与故障预警方法。选用数据采集与监视控制（SCADA）系统中相关的特征参数作为输入变量，对风机正常工况下的主轴承温度进行预测，得到预测值和正常工作时运行数据的残差；之后运用非参数核密度估计（KDE）法确定残差预警阈值，结合滑动窗口分析法实现风机主轴承故障预警。以某2 MW等级风电机组为研究对象，采用SCADA系统中的运行数据做验证，实验结果表明，该方法可以对风机正常工况下的主轴承温度实现97.6%的精准预测，并对主轴承故障时产生的温度曲线波动做出反应，提前近1个月对风机主轴承故障进行有效预警。
|
| 关 键 词： | 风机主轴承 故障预警 XGBoost 核密度估计 滑动窗口分析 |
XGBoost-KDE-based main bearing temperature prediction and fault warning method for wind turbines |
| |
| WAN Anping1,GONG Zhipeng1,' target="_blank" rel="external">2,ZHANG Yinlong3,JI Yunsong4,MA Shidong4,LIU Hainan4,ZHANG Yunning4,AO Lizheng4,CHEN Xi4,PENG Chen1. XGBoost-KDE-based main bearing temperature prediction and fault warning method for wind turbines[J]. Thermal Power Generation, 2022, 51(12): 164-171 |
| |
| Authors: | WAN Anping1,GONG Zhipeng1,' target=" _blank" rel=" external" >2,ZHANG Yinlong3,JI Yunsong4,MA Shidong4,LIU Hainan4,ZHANG Yunning4,AO Lizheng4,CHEN Xi4,PENG Chen1 |
| |
| Affiliation: | 1. Department of Mechatronic Engineering, Zhejiang University City College, Hangzhou 310015, China;2. College of Mechanical Engineering, Zhejiang University of Technology, Hangzhou 310014, China;3. Huadian Electric Power Research Institute, Hangzhou 310030, China;4. Guangdong Huadian Fuxin Yangjiang Offshore Wind Power Co., Ltd., Yangjiang 529500, China |
| |
| Abstract: | |
| |
| Keywords: | |
|
| 点击此处可从《热力发电》浏览原始摘要信息 |
|
点击此处可从《热力发电》下载免费的PDF全文 |
|
