【技术实现步骤摘要】
一种双馈型风机主轴的故障预警方法
本专利技术涉及一种故障预警方法，具体说是一种双馈型风机主轴的故障预警方法，尤其是基于改进鲸鱼算法优化LightGBM的风机主轴故障预警方法。
技术介绍
随着风能作为一种可再生的清洁能源被各国广泛的开发利用，使风机装机容量不断增加。由于风电机组通常工作在环境恶劣、风力变化复杂的条件下，造成风电机组故障频发，因此有效实现风机中关键部件故障的早期预警逐渐受到重视。主轴作为风电机组重要的组成部分之一，也是机组中故障频发的部分，主轴故障甚至会引起整个风电机组不能正常运行。因此，在主轴故障前进行有效的故障预警对整个风电机组的安全运行具有重要意义。随着科学技术的发展，风电机组设备的结构越来越复杂，其运行状态也因所处在恶劣环境中而呈现复杂性和多样性的特点。因此，为保障风电机组安全稳定运行，国内外学者做了大量有关风电机组中关键部件故障预警方面的研究，主要方法包括：传统信号处理方法如VMD，机器学习算法如支持向量机、极端梯度提升机，深度学习算法如深度神经网络、卷积神经网络等等。然而，对于传统温度、振动信...
【技术保护点】
1.一种双馈型风机主轴的故障预警方法，该方法包括以下步骤：/nS1：从风机设备中选取主轴温度以及与主轴相关部件的温度相关数据，进行数据预处理后构成原始数据集；/nS2：采用皮尔逊相关系数从原始数据集中选取与主轴温度相关性较高的特征，组成新数据集，并将新数据集划分成训练集和测试集，原始数据集中的数据都是正常工作时的数据；/nS3：采用训练集，利用鲸鱼算法对LightGBM预测模型中的学习率learning_rate、树的最大深度max_depth和叶子节点数num_leaves进行寻优，获得优化后的LightGBM正常主轴温度预测模型；/nS4：将测试集数据输入到优化后的Li...
【技术特征摘要】
1.一种双馈型风机主轴的故障预警方法，该方法包括以下步骤：
S1：从风机设备中选取主轴温度以及与主轴相关部件的温度相关数据，进行数据预处理后构成原始数据集；
S2：采用皮尔逊相关系数从原始数据集中选取与主轴温度相关性较高的特征，组成新数据集，并将新数据集划分成训练集和测试集，原始数据集中的数据都是正常工作时的数据；
S3：采用训练集，利用鲸鱼算法对LightGBM预测模型中的学习率learning_rate、树的最大深度max_depth和叶子节点数num_leaves进行寻优，获得优化后的LightGBM正常主轴温度预测模型；
S4：将测试集数据输入到优化后的LightGBM正常主轴温度预测模型中，得到对应的主轴温度预测值，选取M个连续的残差点数为滑动窗口长度，计算滑动窗口内残差均值，进行残差分析获得主轴温度预警阈值；
S5：从待预警的风机数据中选取步骤S2所选定的与主轴温度相关性较高的特征数据，将这些特征数据输入到优化后的LightGBM正常主轴温度预测模型，得到当前待预警的风机主轴温度预测值，比较该预测值与对应的实际值的差值，获得残差点，计算滑动窗口内的残差平均值T，比较残差平均值的绝对值与主轴温度预警阈值的大小，来判断主轴温度状态，从而实现对风机主轴故障的早期预警。
2.根据权利要求1所述的预警方法，其特征在于，步骤S4中，残差分析的过程是：窗口每次向前滑动1个残差点，计算滑动窗口内所有残差平均值T，记录残差平均值绝对值最大Tmax为主轴温度预警阈值；
步骤S5中，当滑动窗口内温度残差平均值的绝对值|T|大于主轴温度预警阈值时进行报警。
3.根据权利要求1所述的预警方法，其特征在于，原始数据集中包括的数据有主轴温度数据、齿轮箱入口油温、齿轮箱输入轴轴温、齿箱润滑油内部油压、齿轮箱油槽温度、齿轮箱输出轴轴温、发电机轴承温度、发电机转速、叶轮转速1、机舱温度、环境温度、有功功率。
4.根据权利要求1所述的预警方法，其特征在于，而且，步骤S2的实现过程为：
S2.1：计算主轴温度数据与其他数据的皮尔逊相关系数r，
S2.2：剔除|r|<0.5的数据，选取|r|≥0.5的数据作为建模变量；
S2.3：选取1000条数据集作为测试...
【专利技术属性】
技术研发人员：林涛，严寒，李波函，左逸琳，王瑞祥，石琳，张哲，程淑伟，
申请(专利权)人：河北工业大学，
类型：发明
国别省市：天津;12
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。