结合随机森林和SVM的风机叶片结冰预测

• 作者: 刘娟 孟杭 韩志亮 黄细霞
• 来源期刊: 电测与仪表
• 学科: 工学
• 关键词: 风机叶片 结冰预测 RFE-随机森林 支持向量机 Stacking
• 年，卷（期）: 2020,（17）
• 所属期刊栏目: 能源互联网
• 页码范围: 66-71
• 页数: 6页
• 分类号: TM614
• 语种: 中文
• DOI: 10.19753/j.issn1001-1390.2020.17.011

摘要

风电领域里工作在严寒地区的风机结冰现象严重.材料、结构性能的变化以及低温环境引起的负荷变化威胁风机的发电和安全运行.文中提出结合随机森林和SVM的风机叶片结冰监测方法,主要采取递归特征消除随机森林的特征选择方法从原始风机数据集选择出有效特征,SVM对特征选择后的数据集进行训练,最后用Stacking结合策略融合SVM模型和随机森林模型.试验结果表明,采取RFE-随机森林特征选择和SVM相结合的方法比未经过特征选择的SVM模型在分类精度上平均提高9.64％;采取Stacking结合策略融合SVM模型和随机森林模型,融合模型具有最好的准确率99.05％和泛化性.该方法可实现对风机结冰有效预测且可理解性好,对风场操作人员维护风机具有指导意义.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	黄细霞		27	208	8.0	13.0
2	刘娟		6	5	1.0	2.0
3	韩志亮		3	0	0.0	0.0
4	孟杭		3	0	0.0	0.0