计算机时代2023，Issue(1) ：4-7.DOI:10.16644/j.cnki.cn33-1094/tp.2023.01.002

基于机器学习的风机发电机绕组温度故障诊断与预警分析

Fault diagnosis and early warning analysis of wind turbine generator winding temperature based on machine learning

付恩强 黎天双 杨佳林 杨金声 宋美 马亚杰
计算机时代2023，Issue(1) ：4-7.DOI:10.16644/j.cnki.cn33-1094/tp.2023.01.002
✕
  • 维普
  • 万方数据

基于机器学习的风机发电机绕组温度故障诊断与预警分析

Fault diagnosis and early warning analysis of wind turbine generator winding temperature based on machine learning

付恩强 1黎天双 1杨佳林 1杨金声 1宋美 1马亚杰1
扫码查看

作者信息

  • 1. 鲁东大学数学与统计科学学院,山东 烟台 264000
  • 折叠

摘要

为减少风电机组因故障停机造成的经济效益损失,围绕风机发电机绕组温度的故障预警分析和故障原因诊断进行研究,通过对比XGBoost等多种机器学习模型预测效果,最终选用XBGoost算法建立故障预警模型对发电机绕组进行实时监测,利用MSE、R2等多个指标评价XGBoost模型,结果显示其准确率良好(R2=0.9949).本文提出的模型预警系统可以实时监测风机发电机绕组温度变化趋势,提前发出预警,最大限度的减少风机因停机造成的损失.

关键词

XGBoost/风电机组/绕组温度/故障诊断/预警

引用本文复制引用

基金项目

国家级大学生创新创业训练计划(202110451161)

鲁东大学专创融合课程建设重点项目(202114)

出版年

2023
计算机时代
浙江省计算技术研究所　浙江省计算机学会

计算机时代

影响因子：0.411
ISSN：1006-8228
被引量1
参考文献量4
段落导航相关论文