典型文献
基于WKFCM⁃SMOTE和随机森林的风电机组故障诊断
文献摘要：
针对风电机组运行数据中故障数据占比小,不平衡数据集影响故障诊断精度与诊断结果的问题,提出一种基于加权模糊核C均值(Weighted Kernel Fuzzy C?means,WKFCM)算法改进的合成少数类过采样技术(Synthetic Minority Overs?ampling Technique,SMOTE)算法,结合随机森林算法实现风电机组故障诊断.使用随机森林的袋外误差进行数据特征排序和选取,采用WKFCM?SMOTE算法进行故障数据集扩充,基于随机森林算法搭建故障诊断模型,并对模型参数进行网格搜索优化.试验结果表明,基于该模型的风电机组故障诊断比传统方法准确率更高.
文献关键词：
不平衡数据;风电机组;SMOTE算法;随机森林
中图分类号：
作者姓名：
孙海蓉;曹瑶佳;张雨晴
作者机构：
华北电力大学控制与计算机工程学院,河北 保定 071003;华北电力大学河北省发电过程仿真与优化控制技术创新中心,河北 保定 071003
文献出处：
引用格式：
[1]孙海蓉;曹瑶佳;张雨晴-.基于WKFCM⁃SMOTE和随机森林的风电机组故障诊断)[J].山东电力技术,2022(03):65-70
A类：
WKFCM,Overs,ampling,袋外误差
B类：
SMOTE,风电机组运行,运行数据,故障数据,数据占比,不平衡数据集,故障诊断精度,诊断结果,模糊核,Weighted,Kernel,Fuzzy,means,算法改进,合成少数类过采样技术,Synthetic,Minority,Technique,随机森林算法,算法实现,数据特征,特征排序,数据集扩充,故障诊断模型,网格搜索,搜索优化
AB值：
0.316411
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
