论文摘要
针对风电机组现场故障样本难获取的问题,为实现风电机组发电机部件的故障诊断,通过分析风机监控与采集(SCADA)数据,设计了基于深度自编码(DAE)网络和XGBoost的故障诊断算法。该算法包含两部分:第一部分是DAE故障检测算法,通过DAE获取SCADA数据的重构值,分析重构误差的变化趋势与其超越阈值的情况以预测风机故障和提取故障样本;第二部分是XGBoost故障识别算法,用贝叶斯优化搜索XGBoost的最优超参数,建立XGBoost多分类故障识别模型。算例结果表明,DAE算法能够捕获风电机组发电机早期故障,XGBoost比其他算法更精确地识别不同故障类型。
论文目录
文章来源
类型: 期刊论文
作者: 赵洪山,闫西慧,王桂兰,尹相龙
关键词: 风电场,风电机组,故障诊断,深度自编码
来源: 电力系统自动化 2019年01期
年度: 2019
分类: 工程科技Ⅱ辑,信息科技
专业: 电力工业
单位: 分布式储能与微网河北省重点实验室(华北电力大学)
基金: 国家科技支撑计划资助项目(2015BAA06B03)~~
分类号: TM315
页码: 81-90
总页数: 10
文件大小: 1414K
下载量: 1009