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

扫码查看

原文链接

万方数据
维普

中文摘要：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.

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

作者：

付恩强、黎天双、杨佳林、杨金声、宋美、马亚杰

展开 >

作者单位：

鲁东大学数学与统计科学学院,山东烟台 264000

关键词：

XGBoost 风电机组绕组温度故障诊断预警

基金：

国家级大学生创新创业训练计划鲁东大学专创融合课程建设重点项目

项目编号：

202110451161202114

出版年：

2023

DOI：

10.16644/j.cnki.cn33-1094/tp.2023.01.002

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

年,卷(期)：2023.(1)

被引量1
参考文献量4