[发明专利]基于协同表达和LightGBM算法的风机变桨电机温度故障预警方法

权利要求书

1.基于协同表达和LightGBM算法的风机变桨电机温度故障预警方法，其特征在于，包括以下步骤：

步骤S1：对数据进行清洗，将不正常数据剔除，并根据事件数据及时间序列筛选出无故障状态下的运行数据；

步骤S2：对数据进行预处理，通过引入变桨电机温度与上一时刻变桨电机温度差参数来体现时间序列；

步骤S3：通过协同表达选出输入参数；

步骤S4：通过十折交叉法验证进行超参数调参，选取得到最优参数；

步骤S5：将最优参数带入模型进行训练，得到最优参数下的每台风机的Light GBM模型；

步骤S6：对新来的数据直接带入已经训练好的模型中，得到变桨电机温度的预测值；

步骤S7：将预测值与实际值进行对比，比较预测值与实际值的残差，判断残差是否持续大于设定的阈值；若是，则发出预警。

2.根据权利要求1所述的基于协同表达和LightGBM算法的风机变桨电机温度故障预警方法，其特征在于，所述步骤S3通过协同表达选出输入参数具体包括以下步骤：

步骤S31：通过协同表达选取与变桨相关参数；

步骤S32：通过协同表达算法算各个参数与变桨电机温度之间的权重系数；

步骤S33：将权重系数从小到大进行排序，得到输入参数。

3.根据权利要求2所述的基于协同表达和LightGBM算法的风机变桨电机温度故障预警方法，其特征在于，所述步骤S31中所选取的与变桨相关参数包括：风速、环境温度、有功功率、三个叶片发电机定子绕组温度、轮毂温度、A相电流、B相电流、C相电流、叶片电机温度、与上一时刻电机温度差。

4.根据权利要求2所述的基于协同表达和LightGBM算法的风机变桨电机温度故障预警方法，其特征在于：所述步骤S32中所述协同表达算法公式如下：

其中X为输入参数，y为变桨电机温度，α为得到的各个参数对于变桨电机温度的权重系数，从上面公式可以得到α的解析解为：

α＝(X^TX+λI)^-1X^Ty.

以获取每一个参数对应的权重系数。

5.根据权利要求1所述的基于协同表达和LightGBM算法的风机变桨电机温度故障预警方法，其特征在于：所述步骤S4通过十折交叉法验证进行超参数调参，选取得到最优参数；包括以下步骤：

步骤S41：通过交叉验证对Light GBM中超参数进行优化得到最优Light GBM模型；

步骤S42：将筛选出的正常情况变桨电机温度相关参数数据带入Light GBM模型中，得到基于Light GBM的变桨电机故障预警模型；

步骤S43：对模型进行训练，将输入参数与变桨电机温度作为训练集带入Light GBM模型中；

步骤S44：通过十折交叉验证进行超参数调参，得到最优参数并带入模型进行训练，得到最优参数下的每台风机的Light GBM模型。