基于XGBoost算法模型的风电机组齿轮箱输出轴故障监测与预警系统

作者：汪健冬; 刘广臣; 赵娟娟; 杨秋莲; 付恩强; 黄文广

来源：电力大数据, 2021, 24(06): 18-26.

DOI：10.19317/j.cnki.1008-083x.2021.06.003

• 风电机组
• 极端梯度提升算法
• 故障监测
• 时间窗
• 预警系统

利用风电机组多维度历史大数据探讨齿轮箱输出轴常见故障预测性预警及故障原因分析的方法。首先,基于齿轮箱输出轴正常运作状态的SCADA运维大数据,在特征工程步骤中使用多种算法模型根据变量的重要性进行排名,保留重要性较高的变量,从而达到降维效果;其次,采用XGBoost算法建立故障监测模型,选取了随机森林、CatBoost、LightGBM等多个算法模型作为对照算法,从均方误差(MSE),调整的可决系数(拟合优度)等多个评价指标进行综合评价;最后,筛选风电机组在故障状态下的数据进行多次对照实验设置残差阈值和最佳均值时间窗大小,确定故障预警方案。结果显示,XGBoost算法预测齿轮箱输出轴温度的效果最佳。本文提出的模型系统能够提前对齿轮箱输出轴故障进行预警,提升风电场能源持续输出效率。