基于近邻元分析的风电机组状态监测特征选择方法.pdfVIP

第５１卷第３期华北电力大学学报Ｖｏｌ５１，Ｎｏ３

２０２４年５月ＪｏｕｒｎａｌｏｆＮｏｒｔｈＣｈｉｎａＥｌｅｃｔｒｉｃＰｏｗｅｒＵｎｉｖｅｒｓｉｔｙＭａｙ，２０２４

－

ｄｏｉ：１０３９６９／ｊＩＳＳＮ１００７２６９１２０２４０３１６

基于近邻元分析的风电机组状态监测特征选择方法

罗志宏，刘长良，刘帅

（华北电力大学控制与计算机工程学院，河北保定０７１００３）

摘要：针对现有特征选择方法难以从大量的ＳＣＡＤＡ参量中挑选出重要变量的问题，基于近邻元分析算法提

出一种专门适用于风电机组状态监测的特征变量选择方法。所提方法根据每个待选变量对回归精度的贡献率

为各变量赋予相应的重要度权值，从而挑选出最重要的特征变量。通过分析ＳＣＡＤＡ数据中冗余变量的特点，

针对性地提出了基于相关系数矩阵的去除冗余方法。采用Ｐｅａｒｓｏｎ相关系数、互信息和随机森林三种方法作

为对比，以门控循环神经网络作为模型预测齿轮箱油池温度，用预测精度指标和残差控制图对各特征选择方

法的选择结果进行评价和对比，结果表明所提方法的特征选择结果更加直观、冗余变量更少、预测精度更

高。

关键词：特征选择；变量选择；近邻元分析；风电机组；ＳＣＡＤＡ数据；状态监测

－－－

中图分类号：ＴＰ１８１文献标识码：Ａ文章编号：１００７２６９１（２０２４）０３０１３４０９

ＦｅａｔｕｒｅＳｅｌｅｃｔｉｏｎＭｅｔｈｏｄｆｏｒＷｉｎｄＴｕｒｂｉｎｅＣｏｎｄｉｔｉｏｎＭｏｎｉｔｏｒｉｎｇ

ＢａｓｅｄｏｎＮｅｉｇｈｂｏｒｈｏｏｄＣｏｍｐｏｎｅｎｔＡｎａｌｙｓｉｓ

ＬＵＯＺｈｉｈｏｎｇ，ＬＩＵＣｈａｎｇｌｉａｎｇ，ＬＩＵＳｈｕａｉ

（ＳｃｈｏｏｌｏｆＣｏｎｔｒｏｌａｎｄＣｏｍｐｕｔｅｒＥｎｇｉｎｅｅｒｉｎｇ，ＮｏｒｔｈＣｈｉｎａＥｌｅｃｔｒｉｃＰｏｗｅｒＵｎｉｖｅｒｓｉｔｙ，Ｂａｏｄｉｎｇ０７１００３，Ｃｈｉｎａ）

Ａｂｓｔｒａｃｔ：Ａｉｍｉｎｇａｔｔｈｅｐｒｏｂｌｅｍｔｈａｔｔｈｅｅｘｉｓｔｉｎｇｆｅａｔｕｒｅｓｅｌｅｃｔｉｏｎｍｅｔｈｏｄｓａｒｅｄｉｆｆｉｃｕｌｔｔｏｓｅｌｅｃｔｉｍｐｏｒｔａｎｔｖａｒｉａｂｌｅｓ

ｆｒｏｍａｌａｒｇｅｎｕｍｂｅｒｏｆＳＣＡＤＡｐａｒａｍｅｔｅｒｓ，ｗｅｐｒｏｐｏｓｅｄａｆｅａｔｕｒｅｖａｒｉａｂｌｅｓｅｌｅｃｔｉｏｎｍｅｔｈｏｄｓｐｅｃｉａｌｌｙｓｕｉｔａｂｌｅｆｏｒｗｉｎｄ

ｔｕｒｂｉｎｅｃｏｎｄｉｔｉｏｎｍｏｎｉｔｏｒｉｎｇｂａｓｅｄｏｎｔｈｅｎｅａｒｅｓｔｎｅｉｇｈｂｏｒｃｏｍｐｏｎｅｎｔａｎａｌｙｓｉｓ．Ｔｈｅｐｒｏｐｏｓｅｄｍｅｔｈｏｄａｓｓｉｇｎｓｃｏｒｒｅ⁃

ｓｐｏｎｄｉｎｇｉｍｐｏｒｔａｎｃｅｗｅｉｇｈｔｓｔｏｅａｃｈｖａｒｉａｂｌｅａｃｃｏｒｄｉｎｇｔｏｔｈｅｃｏｎｔｒｉｂｕｔｉｏｎｒａｔｅｏｆｅａｃｈｃａｎｄｉｄａｔｅｖａｒｉａｂｌｅｔｏｔｈｅｒｅｇｒｅｓ⁃

ｓｉｏｎａｃｃｕｒａｃｙ，ｓｏａｓｔｏｓｅｌｅｃｔｔｈｅｍｏｓｔｉｍｐｏｒｔａｎｔｆｅａｔｕｒｅｖａｒｉａｂｌｅｓ．Ｂｙａｎａｌｙｚｉｎｇｔｈｅｃｈａｒａｃｔｅｒｉｓｔｉｃｓｏｆｒｅｄｕｎｄａｎｔｖａｒｉａ⁃

ｂｌｅｓｉｎＳＣＡＤＡｄａｔａ，ｗｅｐｒｏｐｏｓｅｄａｍｅｔｈｏｄｏｆｅｌｉｍｉｎａｔｉｎｇｒｅｄｕｎｄａｎｃｙｂａｓｅｄｏｎｃｏｒｒｅｌａｔｉｏｎｃｏｅｆｆｉｃｉｅｎｔｍａｔｒｉｘ．Ｔｈｅ

ｔｈｒｅｅｍｅｔｈｏｄｓｏｆＰｅａｒｓｏ