[发明专利]一种基于随机森林算法预警风机偏航故障的应用方法

权利要求书

1.一种基于随机森林算法预警风机偏航故障的应用方法，其特征在于，包含以下步骤：

1)创建风力发电机组偏航系统的特征数据参数表，2)获取风电场多台标杆风机偏航正常状态时段的特征数据集，每一条记录数据记为(x_i1,x_i2,x_i3，...,x_in)，i表示为第i台；n＝26，表示表A中的特征参数；记所有正常偏航的风机时段数据为X_z，即其中m为标杆风机的数量；同时构建数量相同的一维标量结果集，记为Y_z；

3)获取风电场多台标杆风机偏航故障状态时段的特征数据集，每一条记录数据记为(g_i1,g_i2,g_i3，...,g_in)，i表示为第i台；n＝26，表示表A中的特征参数；记所有正常偏航的风机时段数据为G_z，即其中m为标杆风机的数量；同时构建数量相同的一维标量结果集，记为Y_g；

4)获取风电场多台标杆风机偏航告警状态时段的特征数据集，每一条记录数据记为(e_i1,e_i2,e_i3，...,e_in)，i表示为第i台；n＝26，表示表A中的特征参数；记所有正常偏航的风机时段数据为E_z，即其中m为标杆风机的数量；同时构建数量相同的一维标量(标量取值“2”)结果集，记为Y_e；

5)将以上特征数据集【X_z，G_z，E_z】合并构建为二维特征矩阵的表示方式，记为X；即同时将以上结果集【Y_z，Y_z，Y_z】合并构建为一维结果矩阵的表示方式，记为y，即

6)构建的特征数据集【X】和与之对应的结果集【y】进行尼系数的特征选择，基尼系数的选择的标准就是每个子节点达到最高的纯度，即落在子节点中的所有观察都属于同一个分类，此时基尼系数最小，纯度最高，不确定度最小；依据Classification And RegressionTree，即分类回归树算法，简称CART算法，将构建好的特征数据集【X】和结果集【y】转换为随机森林模型；获取新的风电机组偏航特征参数集，构建新的风电机组偏航二维特征矩阵数据；

9)依据步骤7)中构建好的随机森林模型，传入步骤8)中构建的新的风电机组偏航特征二维矩阵数据便可计算出新结果，即预测出将来是否要发生偏航故障或要产生偏航告警；新的计算结果由随机森林模型中的独立决策树投票得到，即最终计算结果取随机森林模型中独立决策树预测结果最多的那个。

2.根据权利要求1所述的一种基于随机森林算法预警风机偏航故障的应用方法，其特征在于，步骤1)中，特征数据参数如下表：

表A 风机偏航系统的特征数据参数表

3.根据权利要求1所述的一种基于随机森林算法预警风机偏航故障的应用方法，其特征在于，步骤2)中，一维标量的标量取值为0。

4.根据权利要求1所述的一种基于随机森林算法预警风机偏航故障的应用方法，其特征在于，步骤3)中，一维标量的标量取值为1。

5.根据权利要求1所述的一种基于随机森林算法预警风机偏航故障的应用方法，其特征在于，步骤4)中，一维标量的标量取值为2。

6.根据权利要求1所述的一种基于随机森林算法预警风机偏航故障的应用方法，其特征在于，步骤6)中，假如总共有K类结果集，样本属于第k类的概率为：p_k，则该概率分布的基尼指数为：