基于RBM和SVM的风电机组叶片开裂故障预测

• 作者: 何慧茹 张鑫 徐遵义 王飞
• 来源期刊: 电力系统保护与控制
• 关键词: 风电机组 叶片开裂故障 SCADA数据 受限玻尔兹曼机 支持向量机
• 年，卷（期）: 2020,（15）
• 所属期刊栏目: 应用研究
• 页码范围: 134-140
• 页数: 7页
• 字数: 4880字
• 语种: 中文
• DOI: 10.19783/j.cnki.pspc.191093

摘要

针对风电机组SCADA监测数据的非线性、高冗余等特点,提出一种基于受限玻尔兹曼机(Restricted Boltzmann Machine,RBM)和支持向量机(Support Vector Machine,SVM)的风电机组叶片开裂故障预测方法.利用RBM优异的特征学习能力,将其作为特征提取器来获得风电机组SCADA数据中表达能力更强的数据特征.将RBM的输出作为SVM的输入,构建RBM+SVM组合预测模型.利用训练集、验证集进行预测模型构建和参数微调.为验证提出模型的有效性,将其预测结果与RBM+Logistic回归、SVM和Logistic回归的预测结果进行对比.实验表明,RBM+SVM的预测准确率为93.08％,与三组对比模型相比具有明显的优势.研究结果可为实际风电机组叶片开裂故障预测提供重要参考.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张鑫	山东建筑大学计算机科学与技术学院	124	1156	18.0	29.0
2	徐遵义	山东建筑大学计算机科学与技术学院	20	66	5.0	7.0
3	王飞		5	3	1.0	1.0
4	何慧茹	山东建筑大学计算机科学与技术学院	2	0	0.0	0.0