基于数据挖掘方法的风力涡轮机状态监测技术研究

• 作者: 刘青凤 李红兰
• 来源期刊: 计算机测量与控制
• 关键词: 风力涡轮机 数据挖掘 随机预测
• 年，卷（期）: 2014,（5）
• 所属期刊栏目: 自动化测试技术
• 页码范围: 1336-1339
• 页数: 4页
• 分类号: TP391
• 语种: 中文

摘要

目前风力涡轮机的故障模式预测成为了风力发电站发展的重要任务;提出了一种基于数据挖掘算法的涡轮机故障状态预测方法;这种方法包括3个主要的步骤:涡轮机状态抽象,算法训练,状态预测;首先利用先验知识将涡轮机的初始状态进行分类,选择建立预测模型的参数;为了降低计算难度,采用数据挖掘算法进行模型参数的选择;最终采用发电机转速、变速箱速度、温度枢纽、叶片螺距角这些参数进行预测模型的建立;建立预测模型的过程分为3个阶段:预测任意故障;预测系统的特殊故障;确定未知故障;通过对各种数据挖掘算法基于大量风力涡轮机数据的性能分析,选择了性能最优的随机森林算法模型;这种模型的预测准确率能够达到98％;同时还能够预测训练数据没有包含的故障类型;通过在实际风力涡轮机数据的验证,表明了这种模型的稳健性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘青凤	安阳工学院计算机科学与信息工程学院	12	54	4.0	7.0
2	李红兰	河南牧业经济学院人文与社会科学系	12	20	4.0	4.0