摘要
本发明公开了一种考虑过渡状态的风电机组主传动系统故障预警方法,包括:(1)获取风电机组的SCADA数据并进行预处理;(2)利用MIC对预处理后的SCADA数据进行降维,并通过慢特征分析提取数据的慢特征;(3)使用滑动窗口计算慢特征移动方差,基于K‑means对慢特征移动方差进行聚类,将SCADA数据划分稳定状态和过渡状态;(4)确定机组主传动系统的状态评价参数,利用MIC选取与状态评价参数相关性较强的运行变量作为故障预警模型的输入参数;(5)利用稳定状态下SCADA数据建立基于Stacking集成学习的稳定状态故障预警模型;利用过渡状态下的SCADA数据建立基于协整分析的过渡状态故障预警模型。利用本发明,可实现风电机组主传动系统故障的准确预警,降低误报警率。
技术关键词
故障预警方法
Stacking集成学习
预警模型
均衡误差
慢特征分析
主传动系统
变量
数据
误差修正模型
参数
密度聚类算法
风电机组
滑动窗口
驱动端轴承
学习器
误报警率
有功功率
离群点
系统为您推荐了相关专利信息
贝叶斯分类算法
动态时间规整算法
轨迹
订单
编码
动态监测数据
灾害预警方法
预警模型
预警平台
模型库
运输罐车
危化品运输罐
数字孪生技术
状态检测方法
预警模型
移动巡检设备
巡检路径
变电站运行数据
电厂设备
消防预警方法