基于数据挖掘的风电机组叶片结冰故障诊断

• 作者: 冯延晖 叶春霖 邱颖宁
• 来源期刊: 噪声与振动控制
• 学科: 工学
• 关键词: 振动与波 风电机组 故障诊断 叶片结冰 数据挖掘 特征筛选
• 年，卷（期）: 2018,（z1）
• 所属期刊栏目: 状态监测与故障诊断
• 页码范围: 643-647
• 页数: 5页
• 分类号: TM315
• 字数: 4931字
• 语种: 中文
• DOI: 10.3969/j.issn.1006-1355.2018.Z1.139

摘要

针对风电机组叶片结冰故障无法精确预测的问题,提出基于数据挖掘的故障诊断方法.该方法首先采用特征筛选算法从SCADA高维数据种提取故障模式最相关的特征,然后结合类别不平衡学习算法处理高度不平衡的SCADA数据集,最后利用四种分类算法建立风电机组叶片结冰故障诊断模型.结果表明,基于随机森林算法的故障诊断模型具有最好的诊断性能和泛化性能,该方法能够实现风电机组叶片结冰故障的有效诊断,对风电机组的维护具有参考指导意义.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	冯延晖	南京理工大学能源与动力工程学院	21	69	6.0	7.0
2	邱颖宁	南京理工大学能源与动力工程学院	22	70	6.0	7.0
3	叶春霖	南京理工大学能源与动力工程学院	2	9	1.0	2.0