基于VMD-Informer-LOF算法的变频器故障提前预警研究

作     者：黄翔庚 张新平 王映晖 朱铎铭 赵薇 宋美 HUANG Xianggeng;ZHANG Xinping;WANG Yinghui;ZHU Duoming;ZHAO Wei;SONG Mei

作者机构：鲁东大学数学与统计科学学院山东烟台264000 鲁东大学信息与电气工程学院山东烟台264000 

出 版 物：《电力大数据》 (Power Systems and Big Data)

年 卷 期：2023年第26卷第12期

页      面：10-18页

学科分类：080801[工学-电机与电器] 0808[工学-电气工程] 08[工学] 

基　　金：2023年国家级大学生创新创业训练计划项目(202310451192) 

主　　题：风电机组变频器 故障检测 排列重要性 Informer LOF异常检测 

摘      要：针对风电机组变频器故障时常伴随剧烈温度变化的特点,本文提出一种基于VMD-Informer-LOF算法的故障检测方法。方案综合考虑风机状态变量对变频器的影响,利用变分模态分解(variational mode decomposition,VMD)提取电流电压等电信号的平稳变化分量与高频干扰噪声,并结合排列重要性(permutation importance,PI)筛选对温度具有高灵敏性的变量。同时,基于故障时温度呈现为过低温或过高温的特点,将Informer预测温度值和SCADA(supervisory control and data acquisition)系统实测值重组为二维序列,结合局部离群因子(local outlier factor,LOF)算法识别变频器不同状态下的温度模式,进而实现高效的异常识别。经实验验证,本文所提出的VMD-Informer模型的温度预测拟合优度能够达到0.9841,效果优于LSTM(long short term memory)、XGBoost(extreme gradient boosting)等时序预测方法;同时,结合滑动窗口划分数据,LOF算法能够有效地对窗口内异常数据进行识别,在故障率阈值为0.2的情况下,能够实现提前约14小时发现故障,显著提高了故障预警效果。