机床与液压

作者：杨伟新，赵洪山，张扬帆，张一波，林诗雨

单位：国网冀北电力有限公司电力科学研究院;华北电力大学(保定)电气与电子工程学院；华北电力大学(保定)电气与电子工程学院；国网冀北电力有限公司电力科学研究院；华北电力大学(保定)电气与电子工程学院；华北电力大学(保定)电气与电子工程学院

关键词：风力发电机;Transformer模型;核主成分分析(KPCA);故障预测;皮尔逊相关系数

基金：国网冀北电力有限公司电力科学研究院科学技术项目（52018K22001P）

为了准确预测风电机组故障，提出一种基于PKFF-Transformer风力发电机故障预测模型。针对风电数据高维复杂特性，提出基于皮尔逊核特征融合(PKFF)的特征工程法；通过皮尔逊相关系数(PCC)筛选与机组状态强相关的特征，再采用核主成分分析(KPCA)对筛选数据进行非线性特征融合；将健康状态下的融合特征输入到Transformer模型中构建风电机组温度预测模型；采用滑动窗口法统计预测残差动态特性并确定故障预警阈值；最后，将风电机组实时运行数〖JP2〗据输入训练好的PKFF-Transformer模型进行故障预测。采用我国北方某风电场风力发电机数据进行验证。结果表明：PKFF-Transformer模型能够提前5.6 h预测到故障，且在机组健康状态下没有误报现象；此外PKFF-Transformer温度预测模型的均方误差也比Transformer模型提高了97.39%。

来源：2025年第4期

《机床与液压》期刊编辑部

查看机床与液压杂志2025年第4期