数据驱动的风电机组叶片结冰在线检测方法

• 作者: 郑若楠
• 来源期刊: 分布式能源
• 学科: 工学
• 关键词: 风力发电机组 叶片结冰 数据驱动 逻辑回归模型 XGBoost模型
• 年，卷（期）: 2019,（1）
• 所属期刊栏目: 学术研究
• 页码范围: 1-7
• 页数: 7页
• 分类号: TK81
• 字数: 5670字
• 语种: 中文
• DOI: 10.16513/j.cnki.10-1427/tk.2019.01.001

摘要

随着风力发电机组的发展,低温潮湿环境下的叶片结冰问题受到了越来越多的重视.叶片结冰会导致风力发电机组功率损耗,严重时还会诱发叶片的断裂,造成巨大的发电损失和维修成本.目前风力发电机组发出结冰警报时往往结冰情况已经非常严重,因此实现对叶片结冰早期的预测是十分有必要的.采用数据驱动方法来对风力发电机组叶片结冰进行预测,通过对原始数据进行数据预处理、特征提取、构建模型、训练模型等步骤来辨别叶片状态;分别构建了逻辑回归模型和XGBoost模型,分析比较上述2个模型对于叶片结冰预测的准确率和预测时间长短,得出适用于叶片结冰在线检测的模型.经计算分析,XGBoost模型在叶片结冰预测问题上的效果优于逻辑回归模型,同时预测时间仅为0.449 s,完全可以达到在线检测的目的.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	郑若楠	中国大唐集团有限公司科技与信息化部	2	3	1.0	1.0