基于特征选择和XGBoost的风电机组故障诊断OA北大核心CSCDCSTPCD
Fault diagnosis for wind turbine based on Random Forest and XGBoost
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…查看全部>>
靳志杰;霍志红;许昌;郭宏宇;周华建
河海大学能源与电气学院,江苏南京211100河海大学能源与电气学院,江苏南京211100河海大学能源与电气学院,江苏南京211100河海大学能源与电气学院,江苏南京211100河海大学能源与电气学院,江苏南京211100
能源科技
风电机组SCADA数据XGBoost故障诊断
《可再生能源》 2021 (3)
复杂地形与风力机涡流形成机制及其耦合演化研究
353-358,6
国家自然科学基金项目(U1865101)江苏省青年基金项目(BK20180505).
评论