孫海蓉，曹瑤佳，張雨晴

（1.華北電力大學控制與計算機工程學院，河北 保定 071003；2.華北電力大學河北省發(fā)電過程仿真與優(yōu)化控制技術(shù)創(chuàng)新中心，河北 保定 071003）

0 引言

隨著風電機組運行時間的增加，機組運行狀態(tài)逐步趨于劣化，風電場運行及維護費用顯著增加［1?2］。風電機組故障診斷對降低風電機組維護檢修頻率，保障風電機組安全、穩(wěn)定運行和提升風電場經(jīng)濟效益具有重要意義［3］。

目前，風電場主要依靠數(shù)據(jù)采集與監(jiān)視控制（Supervisory Control and Date Acquisition，SCADA）系統(tǒng)采集和記錄風電機組的運行數(shù)據(jù)，因此基于SCA?DA 數(shù)據(jù)的風電機組故障研究受到了國內(nèi)外學者的廣泛關(guān)注。文獻［4?5］在SCADA 數(shù)據(jù)基礎上引入自適應神經(jīng)模糊推理系統(tǒng)，通過預測誤差和專家經(jīng)驗實現(xiàn)風電機組故障狀態(tài)檢測及故障類型分析。文獻［6］針對SCADA 系統(tǒng)中歷史數(shù)據(jù)缺失導致模型存在誤差的問題，基于互信息理論并結(jié)合最大相關(guān)最小冗余的原則挖掘特征之間的聯(lián)系，進行功率數(shù)據(jù)補齊，并通過相關(guān)向量機模型驗證了方法的有效性。文獻［7］采用核密度?均值法及ReliefF 算法進行偏航齒輪箱運行工況特征選取，基于誤差反向傳播（Back Propagation，BP）神經(jīng)網(wǎng)絡實現(xiàn)了風機偏航齒輪箱的故障類型診斷。文獻［8］使用隨機森林進行特征選擇，采用網(wǎng)格搜索和交叉驗證對極端梯度提升模型進行優(yōu)化，提升風機故障診斷準確率。文獻［9］基于多維縮放方式進行數(shù)據(jù)降維，降維后數(shù)據(jù)作為輸入量，搭建隨機森林模型進行風機軸承故障診斷識別，其識別的平均準確率提升5%。在SCADA 系統(tǒng)數(shù)據(jù)中，故障數(shù)據(jù)只占有少部分比重，即正常運行數(shù)據(jù)數(shù)量遠大于故障數(shù)據(jù)數(shù)量。因此，SCADA 數(shù)據(jù)集是不平衡數(shù)據(jù)集。上述文獻在數(shù)據(jù)優(yōu)化過程中未考慮故障數(shù)據(jù)占比小的特點，直接利用SCADA 數(shù)據(jù)進行后續(xù)研究，忽視了故障數(shù)據(jù)的高度不平衡性對模型參數(shù)造成的影響，進而降低了模型精度。

為進一步提高風電機組故障診斷準確率，提出一種基于WKFCM?SMOTE和隨機森林算法的故障診斷方法。首先依據(jù)隨機森林袋外數(shù)據(jù)進行特征重要性排序，通過基于加權(quán)模糊核C 均值（Weighted Kernel Fuzzy C?means，WKFCM）改進的合成少數(shù)類過采樣技術(shù)（Synthetic Minority Oversampling Technique，SMOTE）算法進行基于故障數(shù)據(jù)聚類中心的數(shù)據(jù)集擴充，降低數(shù)據(jù)集的不平衡度，而后搭建隨機森林故障診斷模型，將網(wǎng)格搜索應用于隨機森林模型的參數(shù)優(yōu)化中，提升模型精度，保證風電機組故障診斷的準確性。

1 風電機組數(shù)據(jù)處理

1.1 數(shù)據(jù)預處理

SCADA 系統(tǒng)采集和記錄風電機組運行過程中外部環(huán)境和風機主要部件運行狀態(tài)的數(shù)據(jù)信息，包括風速、風向、環(huán)境溫度、功率、發(fā)電機轉(zhuǎn)速、電壓、電流、齒輪箱軸溫度、齒箱油溫和電機軸承溫度等。考慮到實際數(shù)據(jù)記錄過程中存在大量干擾數(shù)據(jù)，在模型研究時有必要進行數(shù)據(jù)預處理，提高模型精度［10］。

風電機組運行狀態(tài)如圖1 所示，主要分為：待啟動區(qū)、最大風能捕獲區(qū)、恒功率運行區(qū)和停機［11］。數(shù)據(jù)預處理，剔除待啟動階段數(shù)據(jù)、停機階段數(shù)據(jù)以及有功功率小于0的數(shù)據(jù)。此外，SCADA 系統(tǒng)對傳感器采集數(shù)據(jù)直接記錄，各監(jiān)測量之間存在較大的量綱差別，因此還須進行歸一化處理。

圖1 機組運行階段

1.2 特征選取

SCADA 系統(tǒng)采集記錄的數(shù)據(jù)除與故障有關(guān)特征數(shù)據(jù)外，還包括大量無關(guān)特征數(shù)據(jù)和冗余數(shù)據(jù)，依據(jù)專家經(jīng)驗方法進行特征數(shù)據(jù)選擇極易造成有關(guān)數(shù)據(jù)的缺失。使用隨機森林（Random Forest，RF）算法進行數(shù)據(jù)特征的重要性排序，提升數(shù)據(jù)質(zhì)量，可有效避免專家經(jīng)驗下數(shù)據(jù)選擇帶來的局限性。

隨機森林利用Bagging 思想進行隨機抽樣，抽取2/3 的樣本集數(shù)據(jù)作為訓練集，剩余1/3 的樣本數(shù)據(jù)構(gòu)成隨機森林的袋外數(shù)據(jù)［12］。假設隨機森林由n棵決策樹組成，其中每棵決策樹的袋外數(shù)據(jù)誤差值為es(s=1，2，...，n)，通過對袋外數(shù)據(jù)加入噪聲干擾，得到新的袋外誤差值e′s，將其與原始誤差值進行比較，進行特征的重要程度判斷，并使用平均精度下降指標IMDA進行特征重要性評價。若加入噪聲干擾后，袋外誤差值有較大幅度增加，則證明該特征重要程度較高。IMDA的計算方法為

圖2 為系統(tǒng)特征中與風電機組運行功率關(guān)聯(lián)度較高的特征，將預處理數(shù)據(jù)按特征重要性進行排序，排序后的數(shù)據(jù)作為輸入，進行基于隨機森林算法的故障診斷。

圖2 相關(guān)特征重要性排序

圖3 為數(shù)據(jù)特征維度與故障診斷準確率曲線。由圖3 可知，隨著非重要特征的剔除，準確率逐漸升高，當特征維度為［7，10］，具有較高的準確率。而隨著特征維度的再次降低，準確率逐漸下降。因此，選取模型輸入?yún)?shù)特征維度為7，包含轉(zhuǎn)子轉(zhuǎn)速、風速、發(fā)電機轉(zhuǎn)速、電機軸承B 溫度、葉片角度、齒輪箱軸1溫度和齒輪箱軸2溫度。

圖3 特征數(shù)量-診斷準確率曲線

2 基于WKFCM?SMOTE 的隨機森林故障識別模型

2.1 WKFCM算法

傳統(tǒng)的模糊C 均值（Fuzzy C?means，F(xiàn)CM）算法是一種無監(jiān)督模糊聚類算法，其主要思想為構(gòu)造一個帶約束的非線性規(guī)劃函數(shù)，通過迭代實現(xiàn)聚類中心和隸屬度矩陣的更新，求解目標函數(shù)的最小值，實現(xiàn)數(shù)據(jù)的聚類［13］。FCM 算法通常應用于低維數(shù)據(jù)的聚類分析中。

加權(quán)模糊核C 均值（Weighted Kernel Fuzzy C?means，WKFCM）算法是在FCM 算法的基礎上，引入核函數(shù)思想，并對特征屬性數(shù)據(jù)進行加權(quán)，通過構(gòu)造一個加權(quán)矩陣，實現(xiàn)特征屬性對不同特征重要程度的動態(tài)調(diào)整［14?15］，提高聚類中心的精確度。

WKFCM算法的目標函數(shù)為

式中：N為數(shù)據(jù)集樣本數(shù)；C為聚類數(shù)；L為樣本數(shù)據(jù)維度；xj=(xj1，xj2，…xjL)為第j個樣本數(shù)據(jù)；vi=(vi1，vi2，…viL)為第i個聚類中心；uij為第j個樣本對第i個聚類中心的隸屬度；wik為第i個聚類中心的第k個特征的權(quán)值；m、β為模糊指數(shù)和權(quán)重指數(shù)。

Φ為低維到高維的非線性映射函數(shù)：

式中：K為核函數(shù)，本模型采用的核函數(shù)為高斯核函數(shù)為高斯參數(shù)，特別地，K(x，x)=1。則目標函數(shù)可化簡為

使用拉格朗日乘數(shù)法對隸屬度矩陣U和權(quán)值W進行求解，可得其迭代公式為：

式中：r、t分別為在i、j、k為定值時對聚類數(shù)C和樣本維度L的遍歷。

設目標函數(shù)收斂閾值為ε，若則算法停止迭代，此時聚類中心V和隸屬度矩陣U均為最優(yōu)值。

2.2 WKFCM?SMOTE算法

SMOTE 算法是一種基于隨機過采樣算法的改進算法，基本思想為人工增加少數(shù)類數(shù)據(jù)，從而達到平衡樣本數(shù)據(jù)、改善算法性能的目的［16］。SMOTE 算法基于已有的少數(shù)類數(shù)據(jù)，進行少數(shù)類數(shù)據(jù)點及其鄰近數(shù)據(jù)點之間的線性插值，增加少數(shù)類數(shù)據(jù)的數(shù)量，實現(xiàn)少數(shù)類數(shù)據(jù)集的擴充。其插值為

式中：Yi為最近鄰數(shù)據(jù)中第i個數(shù)據(jù)點，Yi=(1，2，…，M)，M為最近鄰數(shù)據(jù)中少數(shù)類樣本的個數(shù)；r為0～1之間的隨機數(shù)；X為少數(shù)類數(shù)據(jù)。

基于WKFCM 改進的SMOTE 算法使用WKFCM算法的聚類中心替代SMOTE 算法中的隨機數(shù)據(jù)點，保證插值數(shù)據(jù)類別的精準度。具體實現(xiàn)步驟如下。

1）WKFCM 算法聚類并計算聚類中心。選擇原始數(shù)據(jù)中的少數(shù)類數(shù)據(jù)，WKFCM 算法進行聚類并計算聚類中心。將少數(shù)類數(shù)據(jù)分為C個聚類，聚類中心分別為{c1，c2，…，cC} 。

2）數(shù)據(jù)插值。與原始數(shù)據(jù)點相比，聚類中心能更好地表示數(shù)據(jù)的特性，使用聚類中心進行插值計算可以有效降低數(shù)據(jù)點的偏向性，保證數(shù)據(jù)集的平衡。新的插值Xn′ew為

3）不平衡度判斷。新生成插值數(shù)據(jù)并入少數(shù)類中，判斷數(shù)據(jù)整體是否滿足預設的不平衡度（少數(shù)類數(shù)據(jù)與多數(shù)類數(shù)據(jù)的比值），若不滿足，返回步驟2），繼續(xù)進行數(shù)據(jù)插值。

風電機組運行數(shù)據(jù)中故障數(shù)據(jù)占比較少，模型診斷結(jié)果易向多數(shù)類數(shù)據(jù)即正常運行結(jié)果傾斜。WKFCM?SMOTE 算法，通過基于聚類中心的人工數(shù)據(jù)插值方式，改善隨機樣本點插值造成的數(shù)據(jù)邊界模糊問題，降低數(shù)據(jù)集的不平衡度，有效解決了后續(xù)模型診斷過程中存在的診斷結(jié)果傾斜的問題。再將WKFCM?SMOTE 算法與RF 算法組合，能夠更好地解決故障診斷結(jié)果不精確的問題。

2.3 故障診斷模型

基于WKFCM?SMOTE算法結(jié)合隨機森林算法的故障診斷模型主要有3個階段，即對處理后數(shù)據(jù)進行特征選擇、數(shù)據(jù)聚類分析及插值和基于隨機森林算法的故障診斷。組合模型流程如圖4所示，算法步驟如下：

圖4 WKFCM?SOMTE?RF 組合算法框架

1）數(shù)據(jù)預處理，進行SCADA 數(shù)據(jù)篩選，剔除待啟動階段數(shù)據(jù)、停機階段數(shù)據(jù)及異常運行數(shù)據(jù)，進行數(shù)據(jù)的歸一化處理；

2）基于隨機森林的袋外數(shù)據(jù)進行特征重要性排序，實現(xiàn)數(shù)據(jù)的降維處理，降低后續(xù)模型復雜度；

3）WKFCM 算法計算數(shù)據(jù)聚類中心，SMOTE 算法基于聚類中心進行少數(shù)類數(shù)據(jù)插值，并進行數(shù)據(jù)集不均衡度判斷；

4）基于網(wǎng)格搜索算法進行隨機森林模型參數(shù)優(yōu)化，提升隨機森林模型計算結(jié)果的準確率；

5）進行模型驗證，通過模型評價指標驗證模型準確性。

3 試驗結(jié)果與分析

3.1 模型參數(shù)優(yōu)化

本文數(shù)據(jù)源自華北某風電場SCADA 系統(tǒng)采集記錄的1.5 MW機組2號風機2018年5月15日至5月17 日的運行數(shù)據(jù)，已知機組在5 月16 日13：21 發(fā)生故障并進行停機維修。經(jīng)數(shù)據(jù)處理后共有數(shù)據(jù)3 109條，包含機組正常運行狀態(tài)和故障狀態(tài)。

使用網(wǎng)格搜索算法和K折交叉驗證進行模型的參數(shù)尋優(yōu)。K折交叉驗證將數(shù)據(jù)集劃分為K份，輪流取其中的1 份作為測試集，剩余數(shù)據(jù)作為訓練集進行參數(shù)優(yōu)化，重復K次至樣本中每個數(shù)據(jù)均在測試集中出現(xiàn)一次［17］，本模型取K值為5。為減少網(wǎng)格搜索算法所用時間，提升參數(shù)準確性，首先進行隨機森林模型參數(shù)取值范圍的粗調(diào)，通過逐漸縮小參數(shù)取值范圍、降低搜索步長的方式確定模型參數(shù)。隨機森林參數(shù)取值如表1所示。

表1 隨機森林參數(shù)取值

3.2 模型結(jié)果

對于二分類問題而言，判別結(jié)果分為TP、FP、TN、FN共4種情況。二分類的混淆矩陣如表2所示。

表2 二分類混淆矩陣

本文選擇準確率A、精確率P、召回率R、F1值來衡量不同模型算法性能，同時選取接受者操作特性（Receiver Operating Characteristic，ROC）曲線和AAUC完善二分類評價指標。準確率A指分類正確樣本占全部樣本的比例；精確率P指預測為正類樣本中真正的正類所占的比例；召回率R指所有正類中被預測為正類的比例；F1值兼顧精確率和召回率；ROC 曲線以假陽性率為橫坐標、真陽性率為縱坐標，曲線越接近左上角的點，模型效果越好；AAUC指ROC 曲線覆蓋區(qū)域面積。

處理后的數(shù)據(jù)，分別進行基于FCM、KFCM 和WKFCM 算法的聚類中心計算。聚類算法評價指標對比如表3所示，各模型評價指標對比與表4所示。

表3 聚類算法準確率

表4 模型評價指標

從表3 中可知，3 種聚類算法均需較長運行時間，其中WKFCM 算法耗時最長，但WKFCM 聚類算法的正確率明顯高于FCM 和KFCM 算法，說明其聚類中心對范圍內(nèi)數(shù)據(jù)具有更好的代表性。

表4 中RF 表示未插值數(shù)據(jù)直接作為模型輸入搭建的故障診斷模型，F(xiàn)CM?SMOTE?RF、KFCM?SMOTE?RF、WKFCM?SMOTE?RF 分別表示FCM?SMOTE、KFCM?SMOTE、WKFCM?SMOTE 數(shù)據(jù)插值與隨機森林算法相結(jié)合的數(shù)據(jù)模型。由表4 可知，插值數(shù)據(jù)模型A值、AAUC值及F1值均明顯高于未插值數(shù)據(jù)模型，其中WKFCM?SMOTE?RF 模型的A值、AAUC值、F1值均為最高，分類準確率A比FCM?SMOTE?RF、KFCM?SMOTE?RF 模型提高了4%～5%，F(xiàn)1值提高了1%，AAUC值達到了0.979，表明基于WKFCM?SMOTE 和隨機森林的風電機組故障診斷模型提高了故障診斷準確率，驗證了其在風電機組故障診斷中的優(yōu)越性。

3.3 模型對比

為驗證模型的有效性，建立基于邏輯回歸（Lo?gistic Regression，LR）算法的風電機組故障診斷模型進行對比試驗，使用相同數(shù)據(jù)集進行模型測試，兩種模型的評價指標對比如表5 所示，ROC 曲線對比如圖5所示。

圖5 對比模型ROC曲線

表5 對比模型評價指標

由表5 和圖5 可知，在風電機組故障診斷中，WKFCM?SMOTE?RF 算法在A、P、R和F1等幾項重要指標值均超過LR 算法，且在ROC 曲線中LR 算法曲線基本處于模型曲線右下方，因此WKFCM?SMOTE?RF 模型比邏輯回歸模型對風電機組故障診斷更加準確。

4 結(jié)語

提出基于WKFCM?SMOTE和隨機森林算法的風電機組故障診斷方法，隨機森林能夠有效進行特征選擇，消除冗余特征的不良影響；WKFCM?SMOTE 算法進行少數(shù)類數(shù)據(jù)的擴充，改善SMOTE 算法模糊數(shù)據(jù)邊界的問題，保證數(shù)據(jù)的準確性，降低數(shù)據(jù)集的不平衡度；建立基于隨機森林的風電機組故障診斷模型，將網(wǎng)格搜索應用于隨機森林模型參數(shù)優(yōu)化中，提升模型精度，滿足風電機組運行安全、穩(wěn)定及高效的要求。試驗結(jié)果表明，基于WKFCM?SMOTE和隨機森林算法的模型具有較高的故障診斷準確率，證明了所提方法在風電機組故障診斷中的有效性。