基于极端随机森林的大型风电机组 发电机故障检测

针对风电机组海量运行数据中故障检测率低和实时性差的问题,提出基于极端随机森林的大型风电机组发电机故障检测方法。该方法先利用Pearson相关性分析剔除线性相关性极弱的变量和非主要特征中的冗余变量,降低样本维度。利用最大信息系数获取主要特征参数的相关系数,消除冗余变量,从而提高计算效率和故障检测精度。将基于极端随机森林的分类方法用于大型双馈风力发电机的故障检测。实验结果表明,与经典随机森林方法相比,在风电机组发电机海量数据集上,该方法具有更低的漏报率、误报率和更好的实时性。     

基于梯度提升决策树的风电机组 齿轮箱故障检测

针对传统提升算法在处理风电机组运行大数据时,存在效率和准确度低、实时性差等问题,提出基于梯度提升决策树的风电机组齿轮箱故障检测方法。首先,结合专家经验并利用最大信息系数分析风电机组海量大数据之间的相关性,在此基础上进行特征选择得到合理的特征向量;其次,利用贝叶斯超参数优化算法,优化梯度提升决策树算法中关键参数,建立基于梯度提升决策树的故障检测模型;最后,将经过最大信息系数分析处理后的特征向量作为梯度提升决策树故障检测模型的输入值,将齿轮箱不同工况下类别作为输出值。实验结果表明,该方法具有更低的漏报率和误报率,具有更强的泛化能力,能实时检测故障,降低维护成本。     

基于适应性理论的创新型产业空间设计策略研究——以长沙市“世界计算·长沙智谷”项目为例

数字化计算时代下,传统的产业空间无法承载产业转型升级的创新型需求。如何解决空间对效能的束缚,助力产业迭代,实现城市创新资源的活化利用成为焦点问题。以阐述创新型产业及其空间的特征为基础,据此建构“ECS”模型,分析后提出基于适应性理论的创新型空间设计策略,以长沙市“世界计算·长沙智谷”项目为例,解析创新型产业空间的内在属性、功能结构、运行机制。最后,从生产—生活—生态三个层面,为以长沙为代表的创新型城市转型升级下空间设计的适应性策略提供建议。