基于XGBoost-KDE的风机主轴承温度预测与故障预警方法

作者：万安平; 龚志鹏; 张银龙; 纪云松; 马士东; 刘海南; 张运宁; 敖立争; 陈希; 彭晨^*

来源：热力发电, 2022, 51(12): 164-171.

DOI：10.19666/j.rlfd.202207179

• 风机主轴承
• 故障预警
• XGBoost
• 核密度估计
• 滑动窗口分析

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。

• 单位
  浙江工业大学; 华电电力科学研究院