基于OOB-BO-LightGBM的风电机组故障诊断方法

作者：张航; 史兆培; 束垠; 张子瑞; 宋志强; 许昌

来源：中国测试, 2022, 1-7.

• 风电机组
• 故障诊断
• 机器学习
• 特征提取
• 贝叶斯优化

随着风电机组大规模的并网运行，风电机组的故障诊断逐渐成为行业的研究热点。风电机组故障的及时发现与处理，能够保障机组的安全稳定运行，提升风电场经济效益。通过SCADA运行数据进行风电机组故障诊断是一种重要的故障诊断诊断方式，文章从故障诊断的特征提取及故障诊断模型构建角度出发，提出应用随机森林袋外估计（OOB）进行特征选择的特征提取方法和改进参数优化机器学习算法(BO-LightGBM)的风电机组故障诊断模型，提高了基于数据驱动的风电机组故障预测的精度。通过风电场实际运行数据对所提故障诊断方法进行验证，结果证明该模型对于不同类型的故障均有92%以上的预测准确性，表明该模型对风电机组故障诊断具有较好的适用性。

• 单位
  电气学院; 河海大学