Resumen

Para evaluar con precisión el estado de un generador en turbinas eólicas y encontrar anomalías a tiempo, se propone el método basado en el bosque aleatorio mejorado (IRF). La estrategia de equilibrio, que es una combinación de la técnica de sobremuestreo (SMOTE) y submuestreo, se aplica a los datos desequilibrados. Se aplica el método bootstrap para volver a muestrear los conjuntos de datos originales del lado del generador a partir del sistema de control y adquisición de datos (SCADA), y se generan árboles de decisión. Una vez ponderados los árboles de decisión con diferentes capacidades de clasificación, se establece un modelo IRF. La precisión y el rendimiento del modelo se basan en la validación cruzada de 10 veces y la matriz de confusión. Se evalúan los 60 conjuntos de prueba y la precisión es del 95,67%. Es más de un 1,67% superior a la de los clasificadores tradicionales. Se calculan las probabilidades de 60 conjuntos de datos en cada clase y se determina la clase de estado correspondiente. Los resultados muestran que el IRF propuesto tiene una mayor precisión y que el estado puede evaluarse eficazmente. El método tiene buenas perspectivas de aplicación en la evaluación del estado de los equipos de energía eólica.

• Materias:Máquinas eléctricas Propiedades mecánicas Mecánica de fluidos Turbinas de gas Turbomáquina
• Subjects:Electric machines Mechanical properties Fluid mechanics Gas turbines Turbomachine
• Palabras claves:árboles de decisión, remuestreo de conjuntos de datos originales, clase de estado correspondiente, diferentes capacidades de clasificación, buenas perspectivas de aplicación, equipos de energía eólica, irf, precisión, método, estado
• Keywords:decision trees, resample original data sets, corresponding state class, different classification capabilities, good application prospect, wind power equipment, irf, accuracy, method, state