数据驱动的风电机组叶片结冰在线检测方法

论文摘要

随着风力发电机组的发展,低温潮湿环境下的叶片结冰问题受到了越来越多的重视。叶片结冰会导致风力发电机组功率损耗,严重时还会诱发叶片的断裂,造成巨大的发电损失和维修成本。目前风力发电机组发出结冰警报时往往结冰情况已经非常严重,因此实现对叶片结冰早期的预测是十分有必要的。采用数据驱动方法来对风力发电机组叶片结冰进行预测,通过对原始数据进行数据预处理、特征提取、构建模型、训练模型等步骤来辨别叶片状态;分别构建了逻辑回归模型和XGBoost模型,分析比较上述2个模型对于叶片结冰预测的准确率和预测时间长短,得出适用于叶片结冰在线检测的模型。经计算分析,XGBoost模型在叶片结冰预测问题上的效果优于逻辑回归模型,同时预测时间仅为0.449 s,完全可以达到在线检测的目的。

论文目录

• 0 引言
• 1 基于数据驱动的方法
•   1.1 数据预处理
•   1.2 特征提取
•     1.2.1 环境等因素对叶片结冰的影响
•     1.2.2 叶片结冰对机组参数的影响
• 2 构建结冰检测模型
•   2.1 逻辑回归模型
•   2.2 XGBoost模型
• 3 模型评估
•   3.1 模型评估参数
•   3.2 模型评估结果
•     （1） 逻辑回归模型评估结果如表4所示, 训练集得分0.856, 测试集得分0.854。
•     （2） XGBoost模型评估结果如表5所示, 训练集得分0.843, 测试集得分0.842。
•     （3） 两种模型评估结果对比。
• 4 结论

文章来源

类型: 期刊论文

作者: 郑若楠

关键词: 风力发电机组,叶片结冰,数据驱动,逻辑回归模型,模型

来源: 分布式能源 2019年01期

年度: 2019

分类: 工程科技Ⅱ辑

专业: 电力工业

单位: 中国大唐集团有限公司科技与信息化部

分类号: TM315

DOI: 10.16513/j.cnki.10-1427/tk.2019.01.001

页码: 1-7

总页数: 7

文件大小: 1712K

下载量: 136