维普
万方数据
基于改进GWO-LightGBM的磨煤机故障预警方法研究
Research on Fault Early Warning Method Based on Improved GWO-LightGBM Coal Mills
陈思勤 1周浩豪 2茅大钧2
作者信息
- 1. 华能国际电力股份有限公司上海石洞口第二电厂,上海 200942
- 2. 上海电力大学自动化工程学院,上海 201306
- 折叠
摘要
为提高燃煤电厂磨煤机运维效率、降低运维成本,对磨煤机故障预警进行了研究.创新性地提出一种基于改进灰狼优化(GWO)算法的轻量级梯度提升机(LightGBM)故障预警方法.通过建立LightGBM轴承温度预测模型获取磨煤机轴承温度阈值,并引入改进GWO算法优化模型超参数,以提高算法效率和性能.试验结果表明,改进GWO-LightGBM算法相比支持向量机(SVM)等传统算法具有更高的精度和更优的泛化能力.通过实际故障案例证明,该方法能够提前2 h对磨煤机进行早期故障预警.该方法对燃煤电厂磨煤机安全运维具有指导意义.
关键词
燃煤电厂/磨煤机/故障预警/改进灰狼优化算法/轻量级梯度提升机/滑动窗口法/HaltonKey words
Coal fired power plant/Coal mill/Fault warning/Improved grey wolf optimization(GWO) algorithm/Light-gradent boosting machine(LightGBM)/Sliding window method/Halton引用本文复制引用
基金项目
上海市科技创新行动计划地方院校能力建设专项(19020500700)
中国华能集团有限公司科技项目(2022)(HNKJ22-HF22)
出版年
2024