公开(公告)号：CN115853722A

公开(公告)日：2023-03-28

申请号：CN202211522250.2

申请日：2022-11-30

Applicant: 南昌工程学院

Inventor： 车金星 ,  刘娜 ,  蒋哲勇 ,  袁芳 ,  叶雨 ,  李丹

IPC: F03D17/00 ,  G06F18/2113 ,  G06F18/214 ,  G06F18/2431 ,  G06N20/20

Abstract: 本发明提出了一种基于特征选择和stacking模型融合的风电机组故障诊断方法，包括以下步骤：S1，采集SCADA数据，所述SCADA数据包括风速、风向角、齿轮箱温度、叶片角度和发电量；S2，对小类别数据进行SMOTE过采样，增加其比例，平衡故障类别比例；S3，使用RFECV进行特征选择，并将数据划分为训练集与测试集；S4，使用训练集对stacking模型进行训练，得到训练完毕的stacking模型；S5，将待测的SCADA数据输入训练完毕的stacking模型中，得到风电机组故障诊断结果。本发明相较于其它传统方法，能够得到更加准确的风电机组故障诊断结果。