基于XGBoost与LSTM的风力发电机绕组温度预测

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

所属期刊栏目：54

分类号：TP391;TM31;TP181

资助基金：国家自然科学基金;中央高校基本科研业务费专项

在线出版日期：2021-06-21（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：95-103