基于数据驱动的风电机组状态评估方法研究

• 作者: 孙培旺 张磊 肖成 郭莹莹
• 来源期刊: 可再生能源
• 学科: 工学
• 关键词: 风电机组 主成分分析 集成学习 Hotelling-T2 Q统计量 状态评估
• 年，卷（期）: 2019,（3）
• 页码范围: 451-455
• 页数: 5页
• 分类号: TK83
• 字数: 3630字
• 语种: 中文

摘要

为了延长风电机组平稳运行时长和减少故障停机次数,文章基于有监督主成分分析(SPCA)的Hotelling-T 2和Q统计量控制图,提出了一种风电机组状态监测与评估方法.首先,根据风电机组SCADA历史数据提取正常状态数据.然后,训练集成学习模型拟合主要状态变量,采用贝叶斯优化算法优化其中的超参数.最后,在移动时间窗内利用SPCA方法将监测数据分解到主成分空间与残差空间,计算真实数据与参考状态数据的Hotelling-T2和Q统计量,并同时求取两种统计量的斯皮尔曼系数,通过划定阈值对机组进行状态评估.将该方法用于某风电场1.5 MW级风电机组,结果表明,该方法能够有效地对机组当前状态进行监测并识别出功率输出故障.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张磊	河北工业大学人工智能与数据科学学院	98	368	12.0	15.0
2	肖成	河北工业大学人工智能与数据科学学院	10	76	5.0	8.0
6	郭莹莹	河北工业大学人工智能与数据科学学院	2	3	1.0	1.0
7	孙培旺	河北工业大学人工智能与数据科学学院	2	3	1.0	1.0