基于极端随机森林的大型风电机组 发电机故障检测

• 作者: 匡子杰 吴华伟 唐明珠 赵琪 陈宇韬
• 来源期刊: 湖南电力
• 学科: 工学
• 关键词: 极端随机森林 Pearson相关性分析 最大信息系数 故障检测 发电机 风力发电机组
• 年，卷（期）: 2019,（6）
• 所属期刊栏目: 故障与分析
• 页码范围: 45-51
• 页数: 7页
• 分类号: TM315
• 字数: 5158字
• 语种: 中文
• DOI: 10.3969/j.issn.1008-0198.2019.06.012

摘要

针对风电机组海量运行数据中故障检测率低和实时性差的问题,提出基于极端随机森林的大型风电机组发电机故障检测方法.该方法先利用Pearson相关性分析剔除线性相关性极弱的变量和非主要特征中的冗余变量,降低样本维度.利用最大信息系数获取主要特征参数的相关系数,消除冗余变量,从而提高计算效率和故障检测精度.将基于极端随机森林的分类方法用于大型双馈风力发电机的故障检测.实验结果表明,与经典随机森林方法相比,在风电机组发电机海量数据集上,该方法具有更低的漏报率、误报率和更好的实时性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	唐明珠		14	127	4.0	11.0
2	吴华伟	湖北文理学院纯电动汽车动力系统设计与测试湖北省重点实验室	24	52	2.0	6.0
3	赵琪		2	0	0.0	0.0
4	陈宇韬		2	0	0.0	0.0
5	匡子杰		1	0	0.0	0.0