基于监测数据的蓄能设备故障预测方法研究

• 作者: 刘烁 曲晓峰 王振羽 王树新 甄宏 苗东旭
• 来源期刊: 智能计算机与应用
• 学科: 工学
• 关键词: 蓄能设备 故障预测 机器学习 支持向量机
• 年，卷（期）: 2019,（5）
• 所属期刊栏目: 科技创见与应用
• 页码范围: 326-329,333
• 页数: 5页
• 分类号: TP391.9
• 字数: 4605字
• 语种: 中文

摘要

蓄能设备是发电厂削峰填谷的重要手段之一.针对发电厂蓄能设备故障种类和原因复杂,提出一种基于运行数据和机器学习方法的蓄能设备故障预测方法.该方法以管理系统监控的历史数据和实时数据为基础,首先对数据集进行特征提取和充放电周期识别,然后建立随机森林分类器,训练分类器模型参数,以实现蓄能设备运行过程中是否存在故障以及故障类别的预测.在实际运行数据中验证了所提方法能够在故障发生的早期有效识别故障类型.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	曲晓峰		5	0	0.0	0.0
2	王振羽		3	1	1.0	1.0
3	苗东旭		1	0	0.0	0.0
4	王树新		1	0	0.0	0.0
5	甄宏		1	0	0.0	0.0
6	刘烁	哈尔滨工业大学计算机科学与技术学院	1	0	0.0	0.0