赵劲松， 王梓齐， 刘长良,2*

(1.华北电力大学控制与计算机工程学院,保定 071003；2.新能源电力系统国家重点实验室(华北电力大学),北京 102206)

中国风电机组的主要机电设备中,齿轮箱的故障率位列第四且维修费用和时间也相对较高[1-2]。因此,有必要实时监测风电机组齿轮箱的运行状态,及早发现潜在故障并提前安排维护,从而降低运维成本。

监控与数据采集(supervisory control and data acquisition, SCADA)系统被大量应用于风电场中,主要功能是储存历史运行数据和在线采集实时运行数据。相比其他常见的油液、振动分析等,基于SCADA运行数据的状态监测方法无须新加装金属磨粒、加速度传感器等,在经济性上的优势相对更大，近年来受到了较为广泛的关注[3]。

多元状态估计(multivariate state estimate technique, MSET)[4]是根据正常运行数据构成记忆矩阵,进而对设备当前运行数据进行估计的一种基于SCADA数据的状态监测方法,有着无须训练参数、精度高、泛化能力强等优势。近年来,MSET在风电机组齿轮箱[5-6]、火电机组磨煤机[7]和引风机[8]等设备中得到了一定应用。MSET对记忆矩阵的依赖大,要想进一步提高精度,往往需要对记忆矩阵进行扩展。但是,由于每个计算周期均需要执行时间复杂度较高的矩阵乘法运算,扩展记忆矩阵会对MSET的实时性造成较大影响[9]。

集成学习是一种通用的机器学习模型结构,即用多个差异化的个体学习器对同一问题进行训练,再将各学习器的结果综合后输出。对于相同的机器学习算法,相比建立单一的全局学习器,集成学习模型通常有着更强的泛化能力。……