基于孤立森林与稀疏高斯过程回归的风电机组偏航角零点漂移诊断方法

摘要：

偏航角零点漂移严重影响风电机组性能,将之消除的前提是对其进行可靠且快速的检测.基于风能捕获机理,该文提出一种运用机器学习算法的偏航角零点漂移诊断方法.首先,采用孤立森林(isolated forest,IF)异常值检测算法对数据进行预处理;其次,建立非参数模型稀疏高斯过程回归(sparse Gaussian process regression,SGPR)估计偏航角零点漂移;最后,利用多个风电场的风电机组实际运行数据对所提方法进行验证,并分析不同诊断模型对数据量的依赖性.结果表明:IF+SGPR方法准确性高,所需数据量少,能够快速诊断偏航角零点漂移;该诊断方法能够应用于各种电场不同型号的风电机组,普适性较高.

关键词：风电机组;零点漂移;偏航角;偏航误差;孤立森林;稀疏高斯过程回归

所属期刊栏目：41

分类号：TM315(电机)

资助基金：国家自然科学基金项目;湖南省自然科学基金项目;中南大学创新驱动项目

在线出版日期：2021-09-28（万方平台首次上网日期，不代表论文的发表时间）

页数：共15页

页码：6198-6211,中插6