标题：基于LSTM-LigthGBM模型的风电机组齿轮箱油温故障预警研究
作者：邵丽丽 张会广 成钧澜 蔡高原 李兵兵 徐华伟 魏庆海 贾春 曹胜平 程占伟
作者单位：中国大唐集团科学技术研究总院有限公司中南电力试验研究院，河南 郑州 450000
关键字：齿轮箱油温；故障预警；长短期记忆模型
摘要：齿轮箱油温预警对风力发电机组的安全性与预防性维护意义重大。传统齿轮箱油温预测模型虽能构建较为完整映射关系，但因未考量输入数据的不确定性及温度的长期依赖关系等，难以充分挖掘数据的时序特征与复杂关联，准确性欠佳。为此，提出一种基于LSTM-LightGBM融合模型的齿轮箱油温预警方法。该方法首先运用最大相关最小冗余算法（Minimum Redundancy Maximum Relevance，mRMR）实施特征提取，确保所选特征相互独立；其次，借助长短期记忆（Long Short Term Memory，LSTM）模型针对正常风机状态下的数据集进行训练，将模型输出的表征特征向量与原有特征融合，并输入轻量级梯度提升机（Light Gradient Boosting Machine，LightGBM）模型，通过网格搜索实现参数优化。