基于机器学习算法的风电机组故障预测系统设计

• 作者: 邱英强 吴京龙 陈俊 陈伟 施德明
• 来源期刊: 自动化与仪器仪表
• 关键词: 机器学习 风电机组 故障预测
• 年，卷（期）: 2021,（9）
• 所属期刊栏目: 系统设计与评估|SYSTEM DESIGN AND EVALUATION
• 页码范围: 190-193
• 页数: 4页
• 分类号: TP277|TM614
• 语种: 中文
• DOI: 10.14016/j.cnki.1001-9227.2021.09.190

摘要

为了保障风力发电机组的安全可靠运行,结合粒子群算法(PSO)和改进最小二乘支持向量回归(LSS-VM)方法构建了风电机组故障预测系统,进行风电机组故障预测预警.结果显示,基于改进PSO-LSSVM方法的风电机组故障预测系统对大部分测试样本的预测相对误差值的范围都保持在1％左右,准确预测率达到了70％,部分测试样本点与实际故障数据点能够完全拟合,预测模型具有较好的泛化能力,能有效地帮助工作人员提前针对故障情况作出应对措施,避免重大事故的发生,为发展风电机组新常态的智能化故障预测提供了新的研究思路.