应用深度自编码网络和XGBoost的风电机组发电机故障诊断

• 作者: 尹相龙 王桂兰 赵洪山 闫西慧
• 来源期刊: 电力系统自动化
• 关键词: 风电场 风电机组 故障诊断 深度自编码
• 年，卷（期）: 2019,（1）
• 所属期刊栏目: 人工智能在电力系统及综合能源系统中的应用专辑
• 页码范围: 81-86
• 页数: 6页
• 字数: 5916字
• 语种: 中文
• DOI: 10.7500/AEPS20180708001

摘要

针对风电机组现场故障样本难获取的问题, 为实现风电机组发电机部件的故障诊断, 通过分析风机监控与采集 (SCADA) 数据, 设计了基于深度自编码 (DAE) 网络和XGBoost的故障诊断算法.该算法包含两部分:第一部分是DAE故障检测算法, 通过DAE获取SCADA数据的重构值, 分析重构误差的变化趋势与其超越阈值的情况以预测风机故障和提取故障样本;第二部分是XGBoost故障识别算法, 用贝叶斯优化搜索XGBoost的最优超参数, 建立XGBoost多分类故障识别模型.算例结果表明, DAE算法能够捕获风电机组发电机早期故障, XGBoost比其他算法更精确地识别不同故障类型.