一种基于lightGBM框架改进的GBDT风力发电机叶片开裂预测方法

• 作者: 刘钰宸 安静
• 来源期刊: 应用技术学报
• 学科: 工学
• 关键词: lightGBM 梯度提升决策树 皮尔森相关性系数 风力发电机 叶片开裂预测
• 年，卷（期）: 2020,（1）
• 所属期刊栏目: 机械与电气工程
• 页码范围: 63-70
• 页数: 8页
• 分类号: TP277
• 字数: 6468字
• 语种: 中文
• DOI: 10.3969/j.issn.2096-3424.2020.01.011

摘要

风力发电机叶片开裂直接影响风力发电机运行,采用梯度提升决策树算法与基于lightGBM框架改进的梯度提升决策树算法对风力发电机叶片开裂进行预测.对比分析了预测准确度与可行性.基于lightGBM改进的梯度提升决策树算法分析的风力发电机运行数据得出的预测结果优于梯度提升决策树算法,且对于风力发电机叶片开裂预测准确度较高,并具有实用价值.同时该算法能够大幅降低样本中的无效数据,减少计算量.其独立特征合并能够使得划分点特征数量降低,提高风力发电机叶片开裂预测的准确性.最后,风力发电机叶片开裂预测实验结果表明,基于lightGBM改进的梯度提升决策树算法取得了更好的预测结果,计算量更小且能够准确预测风力发电机叶片开裂故障.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	安静	上海应用技术大学电气与电子工程学院	8	72	4.0	8.0
2	刘钰宸	上海应用技术大学电气与电子工程学院	1	0	0.0	0.0