摘要：提出一種利用極端梯度提升XGBoost算法對(duì)風(fēng)機(jī)葉片結(jié)冰狀態(tài)進(jìn)行評(píng)測(cè)的方法。首先解決風(fēng)電機(jī)組SCADA數(shù)據(jù)中葉片正常與結(jié)冰狀態(tài)之間的類別不平衡問題。利用隨機(jī)森林算法挖掘數(shù)據(jù)特征與葉片狀態(tài)之間的關(guān)系,篩選出與葉片結(jié)冰關(guān)聯(lián)性較強(qiáng)的特征,利用預(yù)處理好的數(shù)據(jù)對(duì)XGBoost算法模型進(jìn)行訓(xùn)練和測(cè)試。通過與梯度提升樹(GBDT)、隨機(jī)森林(RF)、支持向量機(jī)(SVM)和最近鄰(KNN)模型驗(yàn)證比較,表明XGBoost算法在風(fēng)機(jī)葉片結(jié)冰狀態(tài)預(yù)測(cè)中具有良好的性能,預(yù)測(cè)結(jié)果優(yōu)于其他算法。
注：因版權(quán)方要求，不能公開全文，如需全文，請(qǐng)咨詢雜志社
