基于Bagging集成策略和多元状态估计的风电机组齿轮箱状态监测

摘要：

风电机组齿轮箱的故障率和维护成本相对较高,有必要对其运行状态进行实时监测.多元状态估计(multivariate state estimate technique,MSET)是一种常用的状态监测方法,但在记忆矩阵规模较大时,MSET在线计算的实时性较差.为此,提出一种基于Bagging集成策略和MSET的新方法:首先基于Bagging集成策略,对训练数据进行多次随机抽样,构造多个记忆矩阵规模较小的MSET子模型,最终将子模型的结果平均后作为集成模型的输出.以某2 MW风电机组的运行数据为算例,对集成MSET的性能进行了对比实验.结果表明:在精度相当的前提下,集成方法的计算时间仅为常规方法的60％;结合统计过程控制技术设计了预警阈值和滑动窗口异常率,并对集成MSET的故障预警能力进行验证,结果表明,集成方法能够提前约10 d预警齿轮箱的实际故障.

关键词：Bagging、集成学习、多元状态估计(MSET)、风电机组齿轮箱、状态监测

所属期刊栏目：20

分类号：TM315(电机)

资助基金：北京市自然科学基金4182061

在线出版日期：2020-08-11（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：8180-8186