基于XGBoost与LSTM的风力发电机绕组温度预测.pdf

第 54 卷 第 6 期 中国电力 Vol. 54, No. 6
2021 年 6 月 ELECTRIC POWER Jun. 2021
 
基于XGBoost与LSTM的风力发电机绕组温度预测
滕伟1，黄乙珂1，吴仕明2，柳亦兵1
(1. 电站能量传递转化与系统教育部重点实验室（华北电力大学），北京　102206；
2. 北京英华达软件工程有限公司，北京　100086)
 
 
摘　要：发电机定子绕组温度是风力发电机健康状态的重要表征。实时预测绕组超温将有助于及时制定运维
计划并排查故障源。提出基于极端梯度提升树（extreme  gradient  boosting）与长短时记忆网络（long  short-
term  memory，LSTM）加权融合的组合模型，进行风力发电机定子绕组温度预测，运用模型结构的差异性
提升融合预测结果的准确性。经过风电机组SCADA数据集验证，结果表明：该方法能够有效预测绕组超
温情况，具有较好的工程应用价值。
关键词：风电机组；绕组温度预测；XGBoost；LSTM
DOI：.1004-
 
 
 
0 引言 持向量机的方法对发电机驱动端轴承温度进行预
测，通过计算预测值与实际值的差值并结合历史
近十几年来，中国风电行业得到了大力发展， 健康数据实现了对机组异常状态的预警；文献[12]
但由于风电场大多建造于偏远地区，运行环境恶劣， 利用非线性状态估计方法与灰色关联度分析法准
维护困难，导致风电的单位产出成本较高，降低 确预测了轴承温度，相似度分析的引入使得该方
运维成本是风电行业需要解决的关键问题[1]。 法具有较好的时效性；文献[13]结合最大信息系
发电机是风电机组的关键部件，在长期的高 数变量筛选方法与LSTM建立了多变量机舱温度
负荷运行情况下若冷却不良，发电机定子绕组会 单点预测模型，且预测精度优于其余3类预测模
过热，若温度超过预警值，需要机组降容