基于PWKNN算法的风电系统故障诊断研究 |
| |
作者姓名: | 乐天达 赵强 章志鸿 李志明 童文华 李欣哲 |
| |
作者单位: | 国网无锡供电公司,设计中心 |
| |
摘 要: | 为了准确诊断风电系统故障类别,基于改进加权k近邻的粒子群优化算法(PWKNN)提出一种新的诊断方法。PWKNN通过调整权重来反映特征的重要性,并利用距离判断策略计算出多类标分类的相同概率。采用粒子群优化算法(PSO)优化了PWKNN的权值和参数k,利用特征提取训练分类器,结合特征选择的Pearson相关系数来消除无关特征,从而减少分类器的输出时间。对300W风力发电机的四种分类状态进行测试,与传统分类器的比较表明,PWKNN具有更高的分类精度。特征选择可以将平均特征数量从16个减少到2.8个,输出时间可以减少61%。
|
关 键 词: | 粒子群优化 故障诊断 分类 特征选择 |
|
|