科研之友
微信
新浪微博
Facebook
分享链接
摘要
针对风电机组塔架振动监测问题，考虑到风能脉动与机组控制动作等激励对塔架振动的影响，提出一种基于数据驱动的塔架振动监测方法。首先基于K-均值算法对风电机组工况进行辨识，分析各状态参量、机组工况对塔架振动的影响；其次基于极限梯度提升（XGBoost）算法对不同工况下的塔架振动趋势进行建模预测，针对同一风电场不同塔架振动预测残差的差异，提出一种基于Wasserstein距离的塔架振动监测方法；最后使用风电场实际数据验证，以误差平方和为评价指标，考虑机组工况条件的XGBoost预测精度提高了34.6%。基于数据驱动的方法能有效识别风电场中异常振动较频繁的塔架，提升了运维效率。
- 单位
