基于AdaBoost-SAMME 的风力发电机组变桨异常识别系统

作     者：樊帅 唐群先 FAN Shuai;TANG Qunxian

作者机构：北京金风科创风电设备有限公司北京100176 对外经济贸易大学北京100029 

基　　金：国家重点研发计划项目资助(2016YFB1000705) 

出 版 物：《电力系统保护与控制》 (Power System Protection and Control)

年 卷 期：2020年第48卷第21期

页      码：31-40页

摘      要：为了实现对风力发电机组变桨系统的预见性维护,提出了在机组健康管理平台上开发变桨异常识别系统的设计思路。在模型算法构建过程中,提出将变桨速度的频域特征作为分类特征,实现了对异常征兆的精确刻画。利用AdaBoost-SAMME算法将变桨速度分为高频、低频以及正常三类,与人工神经网络、支持向量机、随机森林等五种算法对比发现,即使各类样本数量严重不均衡,AdaBoost-SAMME算法的准确率、查准率、查全率及G-mean等评价指标也都优于其他算法。为了提高系统的自学习能力,提出了一种基于欧式距离的新样本判断方法,以此自动扩增训练样本规模。应用实例验证表明,基于AdaBoost-SAMME算法的变桨异常识别系统具有显著的分类效果和良好的稳定性,解决了不同机型的变桨速度频域特征普适性规律不明显,常规逻辑判断方法无法识别变桨系统异常的技术难题。该系统实现了在故障前识别出异常的预警功能,能够指导现场人员开展预见性维护,提高机组的可靠性和可利用率。

主 题 词：风力发电机组 变桨系统 异常识别 AdaBoost-SAMME 特征选择 

学科分类：12[管理学] 1201[管理学-管理科学与工程类] 080801[080801] 0808[工学-自动化类] 081104[081104] 08[工学] 0835[0835] 0811[工学-水利类] 0812[工学-测绘类] 

核心收录：

D　O　I：10.19783/j.cnki.pspc.191560

馆 藏 号：203990837...