来源：期刊VIP网 时间：
作者：沈旭;王海云;杜新;黄晓芳;
单位：新疆大学可再生能源发电与并网技术教育部工程研究中心;北京金风科创风电设备有限公司;
摘要：发电机作为风电机组中的关键部件，其性能的优劣直接影响着风电场的效益和电能转换的稳定。为监测风电机组发电机异常状态，减少故障率并提高发电效率，通过对其SCADA历史数据分析，提出一种基于数据驱动的风电机组发电机异常预警方法。首先针对SCADA中海量数据，用改进ReliefF特征算法（SIG-ReliefF）筛选出用于识别与目标变量（在这种情况下可能是发电机故障）具有最强关联性的多个特征参数，这种方法的优势在于能够有效考虑到特征之间的相关性，最大程度地保留发电机故障相关特征与交互特征；然后建立MSET状态参数预测模型，通过滑动窗口法对残差的分布进行统计，从而确定故障阈值；最后通过实例验证了所提方法的有效性与准确性，并通过与BPNN和SVM算法进行对比，验证了其具有更优的异常预警性能。
关键词：风电机组;;发电机;;ReliefF;;MSET;;异常预警;;特征交互;;标准化交互增益;;滑动窗口
基金资助：天山英才（2022TSYCJC0030）;; 自治区重点研发计划（2022B03031）;; 哈密高新区科技项目（HGX2023KJXM008）
