基于RF-LightGBM算法在风机叶片开裂故障预测中的应用

• 作者: 张会林 陈维刚
• 来源期刊: 电子测量技术
• 学科: 工学
• 关键词: LightGBM SCADA F1-score 随机森林 风机叶片 故障预测
• 年，卷（期）: 2020,（1）
• 所属期刊栏目: 智能化仪器及其应用
• 页码范围: 162-168
• 页数: 7页
• 分类号: TM15
• 语种: 中文
• DOI: 10.19651/j.cnki.emt.1903316

摘要

针对SCADA系统采集的数据繁杂,难以从原始数据判别工作中风机叶片开裂状态的问题,提出了一种对风机叶片状态进行分类预测的随机森林(RF)算法与LightGBM算法结合的模型.首先对SCADA数据进行预处理,特征变换,采用RF算法对特征进行重要性排序;然后利用清洗后的数据训练该分类预测模型,利用K折交叉验证法对模型进行验证调优;最后用测试数据集对叶片状态进行预测,依靠F1-score指标对模型性能进行评价.实验结果表明,数据处理后,模型性能明显提高,较XGBoost与GBDT算法分别提高了11％、16％,与传统的叶片状态识别方法相比,该算法能够更加快速精准的在线预测出风机叶片开裂状态,为风电场对风机叶片状态监测检修提供更可靠的参考依据.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张会林		34	99	5.0	8.0
2	陈维刚		2	0	0.0	0.0