基于改進(jìn)ReliefF?MSET算法的風(fēng)電機(jī)組發(fā)電機(jī)異常預(yù)警方法研究

打開文本圖片集

摘  要： 發(fā)電機(jī)作為風(fēng)電機(jī)組中的關(guān)鍵部件，其性能的優(yōu)劣直接影響著風(fēng)電場的效益和電能轉(zhuǎn)換的穩(wěn)定。為監(jiān)測風(fēng)電機(jī)組發(fā)電機(jī)異常狀態(tài)，減少故障率并提高發(fā)電效率，通過對其SCADA歷史數(shù)據(jù)分析，提出一種基于數(shù)據(jù)驅(qū)動的風(fēng)電機(jī)組發(fā)電機(jī)異常預(yù)警方法。首先針對SCADA中海量數(shù)據(jù)，用改進(jìn)ReliefF特征算法（SIG?ReliefF）篩選出用于識別與目標(biāo)變量（在這種情況下可能是發(fā)電機(jī)故障）具有最強(qiáng)關(guān)聯(lián)性的多個特征參數(shù)，這種方法的優(yōu)勢在于能夠有效考慮到特征之間的相關(guān)性，最大程度地保留發(fā)電機(jī)故障相關(guān)特征與交互特征；然后建立MSET狀態(tài)參數(shù)預(yù)測模型，通過滑動窗口法對殘差的分布進(jìn)行統(tǒng)計，從而確定故障閾值；最后通過實(shí)例驗(yàn)證了所提方法的有效性與準(zhǔn)確性，并通過與BPNN和SVM算法進(jìn)行對比，驗(yàn)證了其具有更優(yōu)的異常預(yù)警性能。（剩余10528字）