[发明专利]基于LightGBM算法的风电机组变桨电机温度传感器故障预警方法

权利要求书

1.基于LightGBM算法的风电机组变桨电机温度传感器故障预警方法，其特征在于，包括以下步骤：

步骤S1：数据收集与处理，在建模前收集足够的风机运行数据，并进行初步处理；

步骤S2：训练模型，选择带有变桨电机传感器故障的数据进行模型训练，保存为lightGBM模型；

步骤S3：调参优化，为了使算法达到最优的训练效果，对模型调整参数变量；

步骤S4：运行模型得出预警结果，模型保存后，在新的数据预测过程中，需要先加载保存的模型，需要预测的数据，通过预测值与实际值的比较来判断故障点，输出预警信息；

步骤S5：根因分析，对预警信息进行分析，找到引起故障的根本原因，给出合理的维修建议；

所述步骤S5的根因分析包括以下步骤：

步骤S51：读取风场的SCADA数据，并筛选出停机超过设定时间的SCADA数据；

步骤S52：计算三个变桨电机温度T1、T2、T3之间的差值ΔT12、ΔT23和ΔT31；

步骤S53：当ΔT12、ΔT23和ΔT31中至少两个大于设定值b时，记为异常点，并确定变桨电机温度传感器存在异常；

步骤S54：计算三个变桨电机温度T1、T2、T3分别与轮毂温度之间的差值ΔT1、ΔT2和ΔT3；

步骤S55：当ΔT1、ΔT2和ΔT3中至少两个大于设定值c时，记为异常点，并确定变桨电机温度传感器存在异常；

步骤S56：筛选风机中正常运行时的数据；

步骤S57：利用LightGBM算法进行预测；

步骤S58：计算三个变桨电机温度T1、T2、T3与各自预测值的残差ΔT1p、ΔT2p和ΔT3p；

步骤S59：判断残差值的大小，当残差值大于设定值d时，则表示传感器温度向上漂移，当残差值小于-d时，则表示传感器温度向下漂移；当残差值大于100或小于-100时，则表示传感器发生损坏；当残差绝对值小于d，同时方差大于设定值e时，则表示传感器线路松动。

2.根据权利要求1所述的基于LightGBM算法的风电机组变桨电机温度传感器故障预警方法，其特征在于：所述步骤S1中，风机运行数据包括风机T时间段内SCADA历史运行数据，具体选取SCADA数据中与变桨电机温度相关的遥测信号，对不正常数据按照IEC标准进行剔除。

3.根据权利要求2所述的基于LightGBM算法的风电机组变桨电机温度传感器故障预警方法，其特征在于：所述遥测信号包括SCADA数据中叶片电机温度，轮毂温度，故障状态，风速，有功功率，环境温度和告警状态；所述不正常数据包括空值、乱码或异常值。

4.根据权利要求1所述的基于LightGBM算法的风电机组变桨电机温度传感器故障预警方法，其特征在于，所述步骤S2训练模型包括以下步骤：

步骤S21：加载第三方Python库，导入SCADA训练数据；

步骤S22：将数据格式转换为Dataset格式；

步骤S23：预先设定训练模型中的输入输出参数，核心参数以及控制参数；

步骤S24：对训练模型进行迭代训练；

步骤S25：判断训练模型是否达到迭代次数，若是，则保存为lightGBM模型，若否，则执行下一步；

步骤S26：判断训练数据的准确性在最近一个回合中是否提高，若是，则返回到步骤S24，若否，则输出训练数据，输出准确度指标，并保存为lightGBM模型。