基于改进深度森林算法的风电机组故障诊断技术研究

论文摘要

为了及时有效地检测出风电机组发生的具体故障,同时克服传统故障诊断方法的局限性,文章提出一种基于改进深度森林算法的风电机组故障诊断方法。首先,利用有效的数据预处理方法处理SCADA原始数据并提取故障特征;然后,基于深度森林算法对风电机组具体故障进行诊断,同时,针对深度森林算法在故障诊断领域存在的缺陷,对算法提出改进;最后,利用河北某风场1.5 MW风电机组实际运行数据对文章提出的故障诊断算法进行验证,通过正确率、AUC等指标验证了所提故障诊断算法相比传统机器学习算法的有效性和优越性。该研究为风电机组运行和维修提供了依据,同时也为故障诊断领域提供了新的方法和思路。

论文目录

• 0 引言
• 1 数据预处理
•   1.1 数据采集
•   1.2 SCADA数据清洗
•   1.3 数据标记与降维
• 2 故障诊断模型
•   2.1 深度森林模型
•   2.2 改进的深度森林模型
• 3 实例分析
•   3.1 数据来源
•   3.2 参数设置
•   3.3 故障1诊断结果
•   3.4 故障2诊断结果
• 4 结论

文章来源

类型: 期刊论文

作者: 郭莹莹,张磊,肖成,孙培旺

关键词: 风电机组,数据,深度森林,故障诊断

来源: 可再生能源 2019年11期

年度: 2019

分类: 工程科技Ⅱ辑,农业科技

专业: 电力工业

单位: 河北工业大学人工智能与数据科学学院,北华航天工业学院电子与控制工程学院

基金: 中国博士后科学基金项目(2017M611172),河北省重点研发计划项目(18214316D),北华航天工业学院青年基金资助项目(KY201709)

分类号: TM614

DOI: 10.13941/j.cnki.21-1469/tk.2019.11.023

页码: 1720-1725

总页数: 6

文件大小: 324K

下载量: 378