基于GRU-LightGBM的风电机组发电机前轴承状态监测

作者：于航; 尹诗

来源：中国测试, 2022, 48(09): 105-111.

• 门控循环单元神经网络
• 梯度提升迭代决策树
• 状态监测
• LightGBM
• 风电机组

针对风电机组发电机前轴承运行过程中早期异常状态识别的问题，提出一种基于GRU-LightGBM的风电机组发电机前轴承状态监测方法。首先，通过梯度提升迭代决策树(gradient boosting decision tree, GBDT)算法分析SCADA历史数据，提取与风电机组发电机前轴承温度特征相关性强的特征变量。然后，采用门控递归单元(gated recurrent unit, GRU)神经网络建立风电机组发电机前轴承温度预测模型并计算残差特征。最后，采用LightGBM算法建立故障决策模型进行状态监测。实验研究表明：该方法能有效识别发电机前轴承运行状态，能够在故障发生前一个月识别风电机组发电机前轴承的异常运行，对风电机组设备运行维修和早期故障预警具有借鉴意义。