江汉大学人工智能学院 陈 岩 侯 群 关雅琦

随着全球范围内风电装机总量的逐步增加，风力发电领域对风机的运维提出了更高的要求。风力发电机的温度是评价风机运行状态的重要指标之一，其预测值可以用于风力发电机的故障预警等应用场景。本文介绍了一种基于梯度提升回归树对风力发电机温度进行预测的方法，首先使用皮尔逊相关系数法选取发电机温度的特征参数，利用正常工况下的历史数据，使用梯度提升回归树建立发电机温度的归回预测模型，最后将采集的实时运行数据输入到该模型中，得到对应的发电机温度预测值。本文通过实验，有效并准确地预测了风力发电机的温度值，拟合度达到96.42%，为进一步的风力发电机温度测点预警提供了准确的数据来源。

发电机温度是风力发电系统中极为重要的指标之一，它的预测值可以用于风场运维中的故障预警场景。在风电机组运行的过程中，每个部件上都装有对应的数据采集传感器用于实时数据的采集。然而，即使是当前的运行数据是正常的，也并不能说明该风机指标在长期的运行趋势中是正常的，这就需要使用机器学习建模的方法来对实时的运行数据进行预测，判断其与真实数据的偏差程度，如果偏差过大，则代表风机在将来的某个时间点将会发生故障。如果可以提前预测出发电机会因为温度过高而出现故障，将有助于风电场及时做出检修计划，排查故障原因，避免造成经济损失和生产事故。……