论文部分内容阅读
提出一种基于网格搜索优化(GS)极端随机森林(ERF)模型的风电机组性能预测及异常状态预警方法.首先,采用离散度分析法清洗噪声和异常工况数据,以获取建模用正常运行状态数据.其次,通过分析风机运行与控制原理,选取与转速和功率具有较高相关度的特征参数作为模型输入,完成预测模型训练和验证,并对比ERF模型与其它几种模型的建模效果.最后,基于滑动窗口算法确定窗宽为10 min,增量为1min,计算窗内数据的平均绝对误差作为状态指标,采用非参数估计确定发电机转速阈值为33.78,有功功率阈值为55.07.借助某风电机组真实历史运行数据和故障样本,验证异常状态预警方法,结果表明,该方法能够对即将发生的故障进行检测,预警时间比实际故障时间有效提前.