10.11930/j.issn.1004-9649.202101090
基于XGBoost与LSTM的风力发电机绕组温度预测
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.
风电机组、绕组温度预测、XGBoost、LSTM
54
TP391;TM31;TP181
国家自然科学基金;中央高校基本科研业务费专项
2021-06-21(万方平台首次上网日期,不代表论文的发表时间)
共9页
95-103