基于GRU-LightGBM的风电机组发电机前轴承状态监测

摘要

针对风电机组发电机前轴承运行过程中早期异常状态识别的问题,提出一种基于GRU-LightGBM的风电机组发电机前轴承状态监测方法。首先,通过梯度提升迭代决策树(gradient boosting decision tree,GBDT)算法分析SCADA历史数据,提取与风电机组发电机前轴承温度特征相关性强的特征变量。然后,采用门控递归单元(gated recurrent unit,GRU)神经网络建立风电机组发电机前轴承温度预测模型并计算残差特征。最后,采用LightGBM算法建立故障决策模型进行状态监测。实验研究表明:该方法能有效识别发电机前轴承运行状态,能够在故障发生前一个月识别风电机组发电机前轴承的异常运行,对风电机组设备运行维修和早期故障预警具有借鉴意义。