基于聚类和随机森林的低效风力机组判定方法

王向伟; 张帅龙; 岳大为; 姜皓龄; 张澄辉

doi:10.26945/j.cnki.1001-9898.2025.05.012

English Version Reader LoginJournal Login

您当前的位置：

首页 >

文章列表页 >

基于聚类和随机森林的低效风力机组判定方法

更新时间：2025-11-18

- 基于聚类和随机森林的低效风力机组判定方法
- Vol. 44, Issue 5, Pages: 81-88(2025)
- 作者机构：
  
  1. 华能新能源股份有限公司河北分公司
  2. 河北工业大学人工智能与数据科学学院
  3. 省部共建电工装备可靠性与智能化国家重点实验室(河北工业大学)
- 作者简介：
- 基金信息：
- DOI：10.26945/j.cnki.1001-9898.2025.05.012
  CLC： TM315
- Published：2025
- 稿件说明：
移动端阅览
王向伟, 张帅龙, 岳大为, et al. 基于聚类和随机森林的低效风力机组判定方法[J]. 2025, 44(5): 81-88.
DOI：

王向伟, 张帅龙, 岳大为, et al. 基于聚类和随机森林的低效风力机组判定方法[J]. 2025, 44(5): 81-88. DOI： 10.26945/j.cnki.1001-9898.2025.05.012.

摘要

风力机组的运行状态关乎风电企业的经济效益，低效机组判定对风电场效能提升具有重要意义。现有研究多聚焦单机风电功率特性等运行状态，针对风电场整体效能评估的研究较少。为此，提出一种基于聚类和随机森林的低效风力机组判定方法。首先基于数据采集与监视控制系统(supervisory control and data acquisition

SCADA)获取机组运行数据，引入风能捕获差异率和发电输出差异率指标，对数据进行聚类后添加低效判定值。其次应用随机森林分类算法对低效判定值进行验证分析，最后根据机组低效判定值均值结果识别低效机组。为验证所提方法的准确性和有效性，根据某风电场23台风力机组的全年运行数据进行分析，结果表明该方法能够精确有效识别低效风力机组，能够为风电场针对性技改提供指导。

Abstract

关键词

Keywords

references

乔延辉.风电场运维效能评价方法研究与系统开发[D].华北电力大学(北京),2022(03).

汪喆.基于大数据分析的风电机组运行状态监测评估[D].华北电力大学(北京),2016(02).

姜漫利.基于大数据分析的风电机组运行状态建模与监测[D].华北电力大学(北京),2017(03).

任杰.大型风电机组运行状态评价与分析[D].华北电力大学,2014(02).

万杰.基于SCADA数据的风电机组运行状态评估方法研究[D].华北电力大学,2014(03).

李娇娇.基于粗集—神经网络的风电机组状态评估及齿轮箱异常预警[D].华侨大学,2014(02).

Wenxian Yang,Richard Court,Jiesheng Jiang.Wind turbine condition monitoring by the approach of SCADA data analysis[J].Renewable Energy,2013.

Jason Phillips.A quantitative-based evaluation of the environmental impact and sustainability of a proposed onshore wind farm in the United Kingdom[J].Renewable and Sustainable Energy Reviews,2015.

王奕森,夏树涛.集成学习之随机森林算法综述[J].信息通信技术,2018(01).

兰维,张中泉,雷阳,刘庆超,叶小广.风电机组出力性能分析方法研究[J].发电与空调,2017(03).

张帆,刘德顺,戴巨川,王超,沈祥兵.一种基于SCADA参数关系的风电机组运行状态识别方法[J].机械工程学报,2019(04).

梁颖,方瑞明.基于SCADA和支持向量回归的风电机组状态在线评估方法[J].电力系统自动化,2013(14).

付立,刘晓光.基于激光雷达测风仪的风电场风电机组性能评估研究[J].华电技术,2017(06).

周长泉.风力发电发展现状及前景浅析[J].价值工程,2016(31).

霍娟,唐贵基,张穆勇,刘大宾.基于输出功率波动性的风电机组性能分析方法[J].可再生能源,2015(12).

刘海涛,洪嘉炜,丛雨,李海涛.风电场电能质量监测及风机功率特性曲线修正分析[J].内蒙古电力技术,2011(01).

刘兴,王艳,纪志成.基于随机森林的风电功率短期预测方法[J].系统仿真学报,2021(11).

赵书强,要金铭,李志伟.基于改进K-means聚类和SBR算法的风电场景缩减方法研究[J].电网技术,2021(10).

冯泽深,赵增海,郭雁珩,艾琳,邱辰.2021年中国风电发展现状与展望[J].水力发电,2022(10).

何选森,何帆,徐丽,樊跃平.K-Means算法最优聚类数量的确定[J].电子科技大学学报,2022(06).

何京,季广禹,曹哲铭.基于运行数据与仿真数据融合的风电机组性能评估及优化应用[J].电力设备管理,2024(20).

谢遵浩.基于新装备应用的低效无效风电机组换型改造实践经验[J].中国设备工程,2023(S2).

Views

下载量

CSCD

Alert me when the article has been cited

提交

Tools

Publicity Resources

机器学习算法在反窃电分析中的应用

Related Author

王浩

马迅

刘安磊

贾旭超

纪书军

骆云娟

徐冬冬

Related Institution

国网河北省电力有限公司电力科学研究院

AI问答

⁰