基于海量数据代价敏感学习的直驱风电机组故障诊断方法研究

项目名称： 基于海量数据代价敏感学习的直驱风电机组故障诊断方法研究

项目编号： No.61403046

项目类型： 青年科学基金项目

立项/批准年度： 2014

项目学科： 自动化技术、计算机技术

项目作者： 唐明珠

作者单位： 长沙理工大学

项目金额： 25万元

中文摘要： 直驱风电机组因无齿轮箱成为风电场主流装机型式，但由于工作环境恶劣使得故障频发。针对直驱风电机组运行过程中故障样本缺乏、正常样本数量巨大，导致海量数据中出现类别不平衡问题，使得传统机器学习方法的故障诊断性能难以满足现代风电场的要求。本项目研究基于海量数据代价敏感学习的直驱风电机组故障诊断方法，包括：(1)分析和形式化描述海量数据中的类别不平衡问题，构建海量数据背景下的代价敏感支持向量机和支持向量数据描述的直驱风电机组故障诊断模型及快速求解算法；(2)同时考虑类别不平衡和噪音特征问题，研究基于并行同步优化的海量数据代价敏感支持向量机直驱风电机组故障诊断方法，以提高该方法的鲁棒性；(3)同时考虑类别不平衡和标注代价昂贵问题，研究基于并行不确定性采样的海量数据代价敏感支持向量机直驱风电机组故障诊断方法，以提高该方法的故障诊断率。本项目的研究结果将为实现直驱风电机组在线故障诊断和优化维护奠定基础。

中文关键词： 故障诊断；代价敏感学习；类别不平衡问题；海量数据；直驱风电机组

英文摘要： Direct-drive wind turbine with none-gearbox is one of the most popular equipment for wind power. The terrific working circumstance accounts for the frequently turbine fault. However, fault diagnosis for turbines is characterized by the class imbalance of

英文关键词： Fault Diagnosis；Cost-sensitive Learning；Class-imbalanced Problem；Massive Data；Direct-driven Wind Turbine