一种用于风力发电机发热故障检测的混合型特征选择与构造方法

信息预处理是有效设计机器学习应用的重要步骤。特征构造与选择是实现该目标的有力技术。本文提出了一种用于检测风力发电机发热故障的特征选择与构造方法。数据来自某台风力发电机的监控与数据采集（SCADA）系统。直接从数据采集系统获取的原始特征包括风特性、运行数据、温度测量值与状态信息。除这些原始特征外，在特征构造阶段还创建了新特征，以获得能够更强有力地指示故障的信息。新特征构造完成后，采用了一种混合特征选择技术，以找出整体特征集中最相关的特征，从而提高分类准确率并降低计算负担。特征选择步骤包含过滤式与包裹式两部分。应用基于过滤式的特征选择排除无判别力的特征，并采用基于包裹式的方法，在考虑特征间冗余与相互关系的基础上确定最终特征。人工神经网络既用于检测阶段，也用作基于包裹式的特征选择部分的归纳算法。结果表明，所提方法有助于使故障检测系统更为可靠，尤其在减少误报故障警报数量方面。