基于Stacking集成学习的风机主轴止推轴承故障预警研究

作者：宋思瑜; 林正文; 赵薇; 黄文广; 刘广臣^*

来源：电力大数据, 2023, 26(06): 68-79.

DOI：10.19317/j.cnki.1008-083x.2023.06.008

• Stacking集成学习
• SCADA
• 风电机组
• 主轴止推轴承
• 故障预警

主轴止推轴承是风机的关键部件，一旦发生故障，将导致机组遭受严重损失。为实现风电机组主轴止推轴承早期故障预警，及早采取维护措施从而避免故障的进一步扩大，本文以风机主轴止推轴承温度为研究对象，提出一种基于风电机组正常运行状态下数据采集与监视控制(SCADA)的Stacking故障提前预警模型。首先，本文利用4个单一模型的拟合优度与均方误差比对特征进行综合排序，得到4组不同数量梯度特征组合的数据集。其次，通过对单一模型的预测性能以及相关性进行分析，最终确定以XGBoost、LightGBM以及随机森林作为基学习器，XGBoost作为元学习器建立Stacking集成学习预测模型。实验结果表明，基于Stacking模型对主轴止推轴承温度进行预测效果最好，预测误差相较于基学习器有明显提升。最后，计算模型温度预测的均方根误差(RMSE),并基于指数加权移动平均法(exponential weighted moving average, EWMA)设定主轴止推轴承正常状态下误差阈值。实验结果显示，本文建立的Stacking模型对风机主轴止推轴承故障至少可以提前6小时发出故障预警。