梁川

（江中藥業(yè)股份有限公司，江西 南昌330000）

隨著全球變暖引起的氣候問題越來越嚴重，各國都越來越重視環(huán)境和氣候問題，首先是化石能源的使用帶來的負面影響

[1]，因此，可再生能源的發(fā)展備受關注。

其中，風力發(fā)電是最成熟、經(jīng)濟可行、應用最廣泛的新能源發(fā)電技術之一[2]，風能是利用氣流做功和提供能源。在海拔1000米以下的地區(qū)，每升高100 米風速增加0.1 米/秒[3]，同時，低溫地區(qū)空氣密度增加，風能利用率提高10%，因此在高寒地區(qū)安裝了大量的風力發(fā)電機[4]。在這些高海拔地區(qū)，葉片容易結冰，影響風機的性能和安全。因此，對風機葉片結冰預報的研究具有較高的應用價值。

國內(nèi)外都十分重視風機葉片結冰故障診斷的研究。Simani等[5]提出了數(shù)據(jù)驅動方法對風機的早期故障進行檢測，主要運用了模糊系統(tǒng)和神經(jīng)網(wǎng)絡來描述測量和故障之間的強非線性關系。葉春霖等[6]采用處理不平衡學習算法和隨機森林實現(xiàn)風機結冰故障診斷。李大中[7]等提出利用極端梯度提升XGBoost 算法對風機葉片結冰狀態(tài)進行評估，在風機葉片結冰狀態(tài)診斷中具有良好的性能。

目前，對于風機葉片故障診斷的研究很多，但準確度還有待提高。本文提出了一種基于ReliefF 特征提取和隨機森林的風機結冰故障診斷模型，可以提高故障診斷的準確率，保證故障能夠及時發(fā)現(xiàn)并處理，確保風機的安全運行。

1 ReliefF 特征選擇

Relief 算法是Kira 于1992 年首次提出的一種經(jīng)典的特征選擇算法[8]，ReliefF 算法是Relief 算法的擴展，ReliefF 算法是一種常用的過濾式特征權重算法，根據(jù)各個特征和類別的相關性賦予特征不同的權重，權重小于某個閾值的特征將被移除，該方法設定了一個“相關統(tǒng)計量”來表達特征的重要性。ReliefF 通常用于多類別標簽的特征選擇，是根據(jù)每個特征和類別的相關性，賦予特征不同的權重[9]。

給出l 類的類標簽，ReliefF 算法從訓練集中隨機抽取一個樣本Ri，然后從同一類別中找到K 個Ri的近樣本，用Hj（j=1，2，…，K）表示，并從不同類別中找到K 個Ri的近樣本，用Mj（c）（j=1，2，…，K）[10]。ReliefF 算法在每個特征維上重復上述過程，得到每個特征的權重如下：

其中m 是迭代次數(shù)，p（c）是c 類的概率，diff（A，R1，R2）表示關于特征A 的樣本R1和R2之間的差異，其定義為

2 隨機森林

隨機森林（Random Forests，RF）算法最早是由美國科學家Leo 于2001 年提出的一種機器學習算法[11]，該算法結合了Bagging 集成學習算法與隨機子空間思想，通過有放回的隨機采樣構造完各個決策樹后，綜合多個決策樹的分類結果來作為最終輸出。隨機森林算法是由決策樹（Decision Forests）算法一步一步發(fā)展而來的，發(fā)展經(jīng)過如圖1 所示。

圖1 決策樹發(fā)展經(jīng)過

決策樹是一種常用的分類算法，屬于有監(jiān)督學習（Supervised Learning），他代表的是對象屬性與對象值之間的一種映射關系。樹中每個節(jié)點表示某個對象，每個分叉路徑則代表某個可能的屬性值。對于機器學習中的分類問題，將樣本特征輸入到?jīng)Q策樹模型后，通過一層層的決策，最終得到模型對該特征的預測結果，即樣本標簽。決策樹一般模型如圖2 所示。

圖2 決策樹的一般模型

隨機森林是以K 個決策樹為基本分類器，進行集成學習后得到一個組合分類器，將樣本輸入訓練好的隨機森林模型之后，隨機森林模型根據(jù)每個決策樹的分類結果投票決定出最終的輸出[12]。

由于隨機森林中各個決策樹的訓練都是相互獨立的，因此在具體使用隨機森林算法時可采用并行處理，這將極大的提高隨機森林模型的訓練速度。隨機森林中單個決策樹的訓練過程如圖3 所示。

圖3 隨機森林中單個決策樹訓練過程

隨機森林的特點決定了即便是處理大樣本、多維的數(shù)據(jù)也能有較快的速度，并且還可以根據(jù)每個特征在不同的決策樹中所做的貢獻來進行特征權重分析，同時隨機森林是一種非參數(shù)分類方法，只需要根據(jù)訓練樣本中特征與標簽的對應關系學習分類規(guī)則，而不需要分類的先驗知識。

3 實例分析

本文采用的數(shù)據(jù)來自國內(nèi)某風機組15 號單機運行狀態(tài)下SCADA 部分數(shù)據(jù)，有28 個連續(xù)數(shù)值型變量，除去時間列和沒有任何意義的“group”列外，共有26 個連續(xù)型數(shù)值變量，覆蓋了風機的工況、運行環(huán)境、狀態(tài)等多個維度的參數(shù)，如功率、葉片轉速、葉片角度、風速、風向、溫度等，共計393886*28 組數(shù)據(jù)。

3.1 數(shù)據(jù)預處理

訓練數(shù)據(jù)集中包含了正常數(shù)據(jù)、故障數(shù)據(jù)以及無效數(shù)據(jù)，分別將其對應的訓練樣本label 標記為0，1，2。其中，對于無效數(shù)據(jù)，我們無法將其分成正常數(shù)據(jù)或是故障數(shù)據(jù)，因此在實際訓練中將其刪除。

3.2 特征選擇

原始數(shù)據(jù)有26 個有效特征參數(shù)，作為模型的輸入維度偏高，訓練會耗用過多的時間。因此，本文運用ReliefF 方法可以明確各特征對分類和故障診斷貢獻率。其特征權重相關度如圖4所示。

圖中各個顏色分別表示原始數(shù)據(jù)進行了10 次迭代的效果，提升貢獻率的準確性。

由圖可知，wind_direction_mean、yaw_speed、acc_x 等6 個特征的特征權重基本為0，與結果之間基本無關系，可以將26 維數(shù)據(jù)減少至20 維特征，提升了模型的訓練速度。

圖4 ReliefF 算法特征權重相關度

3.3 故障診斷驗證

原始數(shù)據(jù)經(jīng)過“去噪”以及基于ReliefF 特征選擇之后，數(shù)據(jù)集具備了一定的完整性。將15 機組風機機組數(shù)據(jù)按7：3 劃分為訓練集和測試集。運用訓練集對隨機森林模型進行訓練，測試集帶入模型之后獲得狀態(tài)輸出，將輸出的結果與測試集實際situation 及逆行對比，來評估模型的效果，其流程圖如圖5 所示。

圖5 隨機森林模型訓練的流程

為判定算法的性能，本文采用了準確率（ACC）、精確率（PRE）、召回率（REC）和F1 Score。各個指標的定義為：

其中，F(xiàn)N/TP/FP/TN 的含義參數(shù)如表1。準確率表示診斷正確的結果占總樣本的百分比；精確率表示在所有診斷為正的樣本中實際為正樣本的概率；召回率表示在實際為正的樣本中被診斷為正樣本的概率；F1 Score 是綜合考慮精確率和召回率的一個評價指標。

表1 FN/TP/FP/TN 的含義

將原始數(shù)據(jù)按照以上步驟“去噪”、特征選擇后，將數(shù)據(jù)劃分為訓練集和測試集，運用訓練集對隨機森林模型進行訓練，測試集帶入模型中驗證模型效果，如表2 所示。再分別采用傳統(tǒng)的決策樹，KNN 和SVM算法實現(xiàn)風機結冰故障診斷，可以得到4 個算法的效果對比，如表3 所示。通過比較，能夠發(fā)現(xiàn)本文采取的方法的優(yōu)勢。

表2 基于特征選擇以及隨機森林的風機故障診斷

表3 4 種分類器模型的效果對比

4 結論

本文提出了一種基于ReliefF 特征提取和隨機森林算法的風機結冰故障診斷方法，經(jīng)過實驗對比驗證，得出該方法在準確度上提升至97%左右，可以有效診斷出風機結冰的故障，及時警報除冰，減少風機因結冰而導致的效率降低和損壞。

本文還采用了適用于不平衡數(shù)據(jù)的評價指標F1 Score 參數(shù)，可以減少因數(shù)據(jù)不平很而影響模型的評判。