基于SCADA数据和单分类简化核极限学习机的风电机组发电机状态监测
来源：计算机集成制造系统杂志2022年第8期北京时间：
作者：金晓航, 泮恒拓, 许壮伟, 孙毅, 刘伟江
单位：1.浙江工业大学特种装备制造与先进加工技术教育部重点实验室2.浙江工业大学机械工程学院3.浙江运达风电股份有限公司
摘要：为了检测风电机组发电机异常,减少由故障引起的机组停机事件的发生,提出一种基于数据采集与监控系统(SCADA)数据分析和单分类简化核极限学习机(OC-RKELM)建模的发电机状态监测方法。首先,在风电机组SCADA数据中选取与发电机健康状态相关的特征,参照风电机组的性能特性同时结合局部异常因子算法对数据进行清洗;其次,利用机组历史正常的行为数据训练OC-RKELM模型,探明机组正常工作的行为规律,进而基于该模型在线监测发电机运行状态,当其工作异常时及时实现预警;最后,与其他单分类方法进行了对比分析,并利用t-SNE可视化技术对所提方法的分析结果进行了验证与评估。结果表明:OC-RKELM具有较好的健康状态监测效果,比其他单分类方法能更早发现风电机组发电机工作异常。
关键词：风电机组,状态监测,SCADA数据,单分类模型,极限学习机
基金资助：国家重点研发计划资助项目(2022YFE0198900);宁波市自然科学基金资助项目(2021J038)。
