基于RFECV-RF和PCA-LightGBM的水电机组劣化趋势评估

陈亦真; 宋旭峰; 李超顺

doi:10.20040/j.cnki.1000-7709.2025.20240361

欢迎来到能源电力期刊网！

English Version 读者登录期刊登录

您当前的位置：

首页 >

文章列表页 >

基于RFECV-RF和PCA-LightGBM的水电机组劣化趋势评估

水能利用及水电站工程 | 更新时间：2026-02-25

- 基于RFECV-RF和PCA-LightGBM的水电机组劣化趋势评估
- 基于RFECV-RF和PCA-LightGBM的水电机组劣化趋势评估
- 水电能源科学 2025年43卷第3期页码：196-199+172
- 作者机构：
  
  1. 华中科技大学土木与水利工程学院
  2. 国网新源控股有限公司
- 作者简介：
- 基金信息：
  
  国家自然科学基金项目(52279085);国网新源集团(控股)有限公司2023年度科技项目计划(SGXYKJ-2023-0859)
- DOI：10.20040/j.cnki.1000-7709.2025.20240361
  中图分类号： TV734.21;TV737
- 纸质出版：2025
- 稿件说明：
移动端阅览
陈亦真, 宋旭峰, 李超顺. 基于RFECV-RF和PCA-LightGBM的水电机组劣化趋势评估[J]. 水电能源科学, 2025,43(3):196-199+172.

陈亦真, 宋旭峰, 李超顺. 基于RFECV-RF和PCA-LightGBM的水电机组劣化趋势评估[J]. 2025, 43(3): 196-199+172.
陈亦真, 宋旭峰, 李超顺. 基于RFECV-RF和PCA-LightGBM的水电机组劣化趋势评估[J]. 水电能源科学, 2025,43(3):196-199+172. DOI： 10.20040/j.cnki.1000-7709.2025.20240361.

陈亦真, 宋旭峰, 李超顺. 基于RFECV-RF和PCA-LightGBM的水电机组劣化趋势评估[J]. 2025, 43(3): 196-199+172. DOI： 10.20040/j.cnki.1000-7709.2025.20240361.

摘要

为确保水电机组安全稳定运行，提出一种基于RFECV-RF和PCA-LightGBM的水电机组劣化趋势评估方法。首先利用基于随机森林的交叉验证递归特征消除方法(RFECV-RF)对工况参数进行筛选，并利用主成分分析(PCA)方法对关键工况参数进行降维处理，提取其中的关键信息；然后以轻量梯度提升机(LightGBM)拟合工况参数与振摆值之间的映射关系建立健康模型；最后根据机组运行数据与健康模型，生成机组劣化度，实现对机组劣化状态的评估。实例分析结果表明，与其他模型相比，所提模型精度更高、运算资源消耗更少。

Abstract

关键词

Keywords

references

胡晓,肖志怀,刘东,吴道平,查海涛,廖志芳.基于无监督特征学习的水电机组健康状态实时评价方法[J].水利学报,2021(04).

刘文.地铁盾构施工全过程安全风险变化规律及事故演化机理研究[D].华中科技大学,2018(01).

赵鹏程.基于特征选择的多维度数据预测与分类方法研究[D].河南科技大学,2020(07).

Yahui Shan,Jie Liu,Yanhe Xu,Jianzhong Zhou.A combined multi-objective optimization model for degradation trend prediction of pumped storage unit[J].Measurement,2021.

Faculty of Computer Engineering, Najafabad Branch, Islamic Azad University, Najafabad, Iran,Faculty of Computer Engineering, Najafabad Branch, Islamic Azad University, Najafabad, Iran,Faculty of Computer Engineering, Najafabad Branch, Islamic Azad University, Najafabad, Iran.Combining hierarchical clustering approaches using the PCA method[J].Expert Systems With Applications,2019.

Leo Breiman.Random Forests.[J].Machine Learning,2001.

浏览量

118

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

基于PSO-PCA-CNN的水电机组故障诊断

基于Optuna-CatBoost和CRITIC评价法的水电机组劣化趋势评估

基于瞬时轨迹特征图像和条件对抗生成网络的水电机组轴系劣化评估

材料与润滑对水电机组推力轴瓦性能影响综述及发展趋势分析

水电机组SK推力轴瓦与巴氏合金瓦特性对比研究