基于KECA-PLS的风电机组健康状态评估

来源：计算机测量与控制杂志2025年第5期北京时间：

作者：马亮,任超,刘月文,郝增孝

单位：大唐赤峰新能源有限公司

摘要：为了及时而准确地预测风电机组整机性能的退化趋势，提出一种基于核熵主成分分析和偏最小二乘（KECA-PLS）的风电机组健康状态评估算法。首先采用前置局部异常因子算法（LOF）对数据进行预处理，并运用高斯混合模型（GMM）对风电场数据进行聚类，将聚类结果作为后续分类的标签；之后利用核熵成分分析（KECA）对数据进行降维和特征提取，并采用SPE统计量监测风电机组状态；鉴于SCADA数据的不平稳性和非线性，将PLS算法引入到核熵空间，用于故障预测，通过预测残差变化趋势来确定报警限，实现了对故障的及早预警；最后使用模糊评判法并绘制风电机组退化状态雷达图，评价风电机组的退化性能。将该方法应用于某风场实际风电机组运行数据中，结果表明该方法能够准确评估风电机组的当前健康状态，可视化出风机故障的变化过程。

关键词：偏最小二乘法(PLS);状态监测;健康评估;风电机组;可视化

基金资助：国家自然科学基金(62363029；内蒙古自治区高等学校科学研究项目(NJZY22365);企业研发项目(CDTHT20230066684)