基于RF-LightGBM算法在风机叶片开裂故障预测中的应用

作者：陈维刚; 张会林

来源：电子测量技术, 2020, 43(01): 162-168.

DOI：10.19651/j.cnki.emt.1903316

• LightGBM
• SCADA
• F1-score
• 随机森林
• 风机叶片
• 故障预测

针对SCADA系统采集的数据繁杂,难以从原始数据判别工作中风机叶片开裂状态的问题,提出了一种对风机叶片状态进行分类预测的随机森林(RF)算法与LightGBM算法结合的模型。首先对SCADA数据进行预处理,特征变换,采用RF算法对特征进行重要性排序;然后利用清洗后的数据训练该分类预测模型,利用K折交叉验证法对模型进行验证调优;最后用测试数据集对叶片状态进行预测,依靠F1-score指标对模型性能进行评价。实验结果表明,数据处理后,模型性能明显提高,较XGBoost与GBDT算法分别提高了11%、16%,与传统的叶片状态识别方法相比,该算法能够更加快速精准的在线预测出风机叶片开裂状态,为风电场对风机叶片状态监测检修提供更可靠的参考依据。

• 单位
  上海理工大学