基于改进深度森林算法的风电机组故障诊断技术研究

• 作者: 孙培旺 张磊 肖成 郭莹莹
• 来源期刊: 可再生能源
• 学科: 工学
• 关键词: 风电机组 SCADA数据 深度森林 故障诊断
• 年，卷（期）: 2019,（11）
• 页码范围: 1720-1725
• 页数: 6页
• 分类号: TK83
• 字数: 3998字
• 语种: 中文

摘要

为了及时有效地检测出风电机组发生的具体故障,同时克服传统故障诊断方法的局限性,文章提出一种基于改进深度森林算法的风电机组故障诊断方法.首先,利用有效的数据预处理方法处理SCADA原始数据并提取故障特征;然后,基于深度森林算法对风电机组具体故障进行诊断,同时,针对深度森林算法在故障诊断领域存在的缺陷,对算法提出改进;最后,利用河北某风场1.5 MW风电机组实际运行数据对文章提出的故障诊断算法进行验证,通过正确率、AUC等指标验证了所提故障诊断算法相比传统机器学习算法的有效性和优越性.该研究为风电机组运行和维修提供了依据,同时也为故障诊断领域提供了新的方法和思路.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张磊	河北工业大学人工智能与数据科学学院	98	368	12.0	15.0
2	肖成	河北工业大学人工智能与数据科学学院	10	76	5.0	8.0
6	郭莹莹	河北工业大学人工智能与数据科学学院	2	3	1.0	1.0
7	孙培旺	河北工业大学人工智能与数据科学学院	2	3	1.0	1.0