基于超限学习机的风电机组齿轮箱油温趋势预测研究

作者：李明; 王炜超; 袁逸萍^*; 樊盼盼; 高建雄

来源：组合机床与自动化加工技术, 2020, (11): 65-77.

DOI：10.13462/j.cnki.mmtamt.2020.11.015

• 数据预处理
• 超限学习机
• SCADA数据
• 信息熵

为减少风电机组齿轮箱故障,提出一种基于数据预处理的超限学习机(ELM)风电机组齿轮箱油温预测方法。鉴于SCADA系统中数据信息质量的不确定性和冗余性,首先通过平滑处理去除噪声,再由相关性分析和信息熵计算,得到复合要求的模型输入变量数据,此数据预处理方法确保了对最终预测贡献的确定性,最后利用ELM预测模型进行齿轮箱油温预测。通过预测结果分析对比,此模型在保证预测精度的同时大幅降低了计算的复杂度,验证了所提算法的优越性。

• 单位
  新疆大学