基于LARS特征选择的风电机组故障诊断的研究

• 作者: 刘长良 周瑛 孙群丽
• 来源期刊: 可再生能源
• 学科: 工学
• 关键词: 风电机组 故障诊断 隐马尔可夫模型 特征选择 最小角回归
• 年，卷（期）: 2020,（10）
• 页码范围: 1349-1354
• 页数: 6页
• 分类号: TK83
• 语种: 中文

摘要

在风力发电机组运行维护过程中,对设备故障诊断的要求越来越高,随着近年来大数据的广泛应用,其对风力发电的影响也越来越大,许多研究人员基于大数据展开了相关工作.在利用风电机组SACDA数据进行故障诊断的过程中,所用的特征量不同,解决问题的效果会受到影响.为了提高风电机组故障诊断的精准性,须要对其所用到的故障特征进行选择.文章提出了用最小角回归(Least Angle Regression,LARS)方法来对特征向量进行选择,针对这些被选出的特征向量用HMM(Hidden Markov Model)建立故障模型.利用某风场的运行数据进行验证,结果表明,文章提出的基于HMM-LARS方法建立的模型对故障类型具有较好的识别效果.