摘要
发电机作为风机核心部件,其温度过热往往是发电机故障的综合表现,业界和学术界对风机发电机温度预测做了很多的研究.该文在前人研究的基础上,对发电机温度时序预测模型构建中的多个环节进行了深入优化:通过数据集转换将时间序列数据集转换为有监督学习数据集,进而采用有监督学习算法;风机的实时测量值有数百个之多,通过量化自变量和因变量之间的非线性关系,进行更合理的特征筛选,剔除与预测目标弱相关或不相关的特征;基于无监督学习算法,实现了训练集中异常数据的自动过滤,并通过对数十个风场数据质量的统计分析,剔除影响建模精度约5%的脏数据;最后构建多个算法模型,并通过在相同计算环境上的横向对比实验,以均方误差、解释方差、R2 score作为衡量模型精度的指标,从各种建模算法中选择精度较高的算法.提出的一系列改进措施为提高风力发电机温度时序预测模型精度提供了参考.
基金项目
中国长江三峡集团公司"三峡新能源集中监控系统"项目(JD-SX-01001)
维普
万方数据