基于特征选择和XGBoost的风电机组故障诊断

• 作者: 靳志杰 霍志红 许昌 郭宏宇 周华建
• 来源期刊: 可再生能源
• 学科: 工学
• 关键词: 风电机组 SCADA数据 XGBoost 故障诊断
• 年，卷（期）: 2021,（3）
• 页码范围: 353-358
• 页数: 6页
• 分类号: TK83
• 语种: 中文

摘要

随着风电规模的不断增加,风电机组的运行维护成为研究的热点.针对风电机组的故障诊断问题,文章提出了一种基于特征选择和XGBoost算法的故障诊断方法.该方法采用随机森林的袋外估计进行特征选择,降低了特征选择过程的主观性;以XGBoost算法为基础搭建诊断模型,采用网格搜索和交叉验证对算法进行参数优化.以风电场SCADA实测数据对所提方法进行验证,通过准确率、A UC值等指标将文章所提方法与传统机器学习算法的诊断结果进行对比.对比结果表明,文章提出的方法比传统机器学习算法的预测准确率更高,可用于风电机组故障诊断的工程中.