基于特征提取和隨機(jī)森林的風(fēng)機(jī)故障診斷

梁川

（江中藥業(yè)股份有限公司，江西 南昌330000）

隨著全球變暖引起的氣候問題越來越嚴(yán)重，各國都越來越重視環(huán)境和氣候問題，首先是化石能源的使用帶來的負(fù)面影響

[1]，因此，可再生能源的發(fā)展備受關(guān)注。

其中，風(fēng)力發(fā)電是最成熟、經(jīng)濟(jì)可行、應(yīng)用最廣泛的新能源發(fā)電技術(shù)之一[2]，風(fēng)能是利用氣流做功和提供能源。在海拔1000米以下的地區(qū)，每升高100 米風(fēng)速增加0.1 米/秒[3]，同時(shí)，低溫地區(qū)空氣密度增加，風(fēng)能利用率提高10%，因此在高寒地區(qū)安裝了大量的風(fēng)力發(fā)電機(jī)[4]。在這些高海拔地區(qū)，葉片容易結(jié)冰，影響風(fēng)機(jī)的性能和安全。因此，對(duì)風(fēng)機(jī)葉片結(jié)冰預(yù)報(bào)的研究具有較高的應(yīng)用價(jià)值。

國內(nèi)外都十分重視風(fēng)機(jī)葉片結(jié)冰故障診斷的研究。Simani等[5]提出了數(shù)據(jù)驅(qū)動(dòng)方法對(duì)風(fēng)機(jī)的早期故障進(jìn)行檢測，主要運(yùn)用了模糊系統(tǒng)和神經(jīng)網(wǎng)絡(luò)來描述測量和故障之間的強(qiáng)非線性關(guān)系。葉春霖等[6]采用處理不平衡學(xué)習(xí)算法和隨機(jī)森林實(shí)現(xiàn)風(fēng)機(jī)結(jié)冰故障診斷。李大中[7]等提出利用極端梯度提升XGBoost 算法對(duì)風(fēng)機(jī)葉片結(jié)冰狀態(tài)進(jìn)行評(píng)估，在風(fēng)機(jī)葉片結(jié)冰狀態(tài)診斷中具有良好的性能。

目前，對(duì)于風(fēng)機(jī)葉片故障診斷的研究很多，但準(zhǔn)確度還有待提高。本文提出了一種基于ReliefF 特征提取和隨機(jī)森林的風(fēng)機(jī)結(jié)冰故障診斷模型，可以提高故障診斷的準(zhǔn)確率，保證故障能夠及時(shí)發(fā)現(xiàn)并處理，確保風(fēng)機(jī)的安全運(yùn)行。

1 ReliefF 特征選擇

Relief 算法是Kira 于1992 年首次提出的一種經(jīng)典的特征選擇算法[8]，ReliefF 算法是Relief 算法的擴(kuò)展，ReliefF 算法是一種常用的過濾式特征權(quán)重算法，根據(jù)各個(gè)特征和類別的相關(guān)性賦予特征不同的權(quán)重，權(quán)重小于某個(gè)閾值的特征將被移除，該方法設(shè)定了一個(gè)“相關(guān)統(tǒng)計(jì)量”來表達(dá)特征的重要性。ReliefF 通常用于多類別標(biāo)簽的特征選擇，是根據(jù)每個(gè)特征和類別的相關(guān)性，賦予特征不同的權(quán)重[9]。

給出l 類的類標(biāo)簽，ReliefF 算法從訓(xùn)練集中隨機(jī)抽取一個(gè)樣本Ri，然后從同一類別中找到K 個(gè)Ri的近樣本，用Hj（j=1，2，…，K）表示，并從不同類別中找到K 個(gè)Ri的近樣本，用Mj（c）（j=1，2，…，K）[10]。ReliefF 算法在每個(gè)特征維上重復(fù)上述過程，得到每個(gè)特征的權(quán)重如下：

其中m 是迭代次數(shù)，p（c）是c 類的概率，diff（A，R1，R2）表示關(guān)于特征A 的樣本R1和R2之間的差異，其定義為

2 隨機(jī)森林

隨機(jī)森林（Random Forests，RF）算法最早是由美國科學(xué)家Leo 于2001 年提出的一種機(jī)器學(xué)習(xí)算法[11]，該算法結(jié)合了Bagging 集成學(xué)習(xí)算法與隨機(jī)子空間思想，通過有放回的隨機(jī)采樣構(gòu)造完各個(gè)決策樹后，綜合多個(gè)決策樹的分類結(jié)果來作為最終輸出。隨機(jī)森林算法是由決策樹（Decision Forests）算法一步一步發(fā)展而來的，發(fā)展經(jīng)過如圖1 所示。

圖1 決策樹發(fā)展經(jīng)過

決策樹是一種常用的分類算法，屬于有監(jiān)督學(xué)習(xí)（Supervised Learning），他代表的是對(duì)象屬性與對(duì)象值之間的一種映射關(guān)系。樹中每個(gè)節(jié)點(diǎn)表示某個(gè)對(duì)象，每個(gè)分叉路徑則代表某個(gè)可能的屬性值。對(duì)于機(jī)器學(xué)習(xí)中的分類問題，將樣本特征輸入到?jīng)Q策樹模型后，通過一層層的決策，最終得到模型對(duì)該特征的預(yù)測結(jié)果，即樣本標(biāo)簽。決策樹一般模型如圖2 所示。

圖2 決策樹的一般模型

隨機(jī)森林是以K 個(gè)決策樹為基本分類器，進(jìn)行集成學(xué)習(xí)后得到一個(gè)組合分類器，將樣本輸入訓(xùn)練好的隨機(jī)森林模型之后，隨機(jī)森林模型根據(jù)每個(gè)決策樹的分類結(jié)果投票決定出最終的輸出[12]。

由于隨機(jī)森林中各個(gè)決策樹的訓(xùn)練都是相互獨(dú)立的，因此在具體使用隨機(jī)森林算法時(shí)可采用并行處理，這將極大的提高隨機(jī)森林模型的訓(xùn)練速度。隨機(jī)森林中單個(gè)決策樹的訓(xùn)練過程如圖3 所示。

圖3 隨機(jī)森林中單個(gè)決策樹訓(xùn)練過程

隨機(jī)森林的特點(diǎn)決定了即便是處理大樣本、多維的數(shù)據(jù)也能有較快的速度，并且還可以根據(jù)每個(gè)特征在不同的決策樹中所做的貢獻(xiàn)來進(jìn)行特征權(quán)重分析，同時(shí)隨機(jī)森林是一種非參數(shù)分類方法，只需要根據(jù)訓(xùn)練樣本中特征與標(biāo)簽的對(duì)應(yīng)關(guān)系學(xué)習(xí)分類規(guī)則，而不需要分類的先驗(yàn)知識(shí)。

3 實(shí)例分析

本文采用的數(shù)據(jù)來自國內(nèi)某風(fēng)機(jī)組15 號(hào)單機(jī)運(yùn)行狀態(tài)下SCADA 部分?jǐn)?shù)據(jù)，有28 個(gè)連續(xù)數(shù)值型變量，除去時(shí)間列和沒有任何意義的“group”列外，共有26 個(gè)連續(xù)型數(shù)值變量，覆蓋了風(fēng)機(jī)的工況、運(yùn)行環(huán)境、狀態(tài)等多個(gè)維度的參數(shù)，如功率、葉片轉(zhuǎn)速、葉片角度、風(fēng)速、風(fēng)向、溫度等，共計(jì)393886*28 組數(shù)據(jù)。

3.1 數(shù)據(jù)預(yù)處理

訓(xùn)練數(shù)據(jù)集中包含了正常數(shù)據(jù)、故障數(shù)據(jù)以及無效數(shù)據(jù)，分別將其對(duì)應(yīng)的訓(xùn)練樣本label 標(biāo)記為0，1，2。其中，對(duì)于無效數(shù)據(jù)，我們無法將其分成正常數(shù)據(jù)或是故障數(shù)據(jù)，因此在實(shí)際訓(xùn)練中將其刪除。

3.2 特征選擇

原始數(shù)據(jù)有26 個(gè)有效特征參數(shù)，作為模型的輸入維度偏高，訓(xùn)練會(huì)耗用過多的時(shí)間。因此，本文運(yùn)用ReliefF 方法可以明確各特征對(duì)分類和故障診斷貢獻(xiàn)率。其特征權(quán)重相關(guān)度如圖4所示。

圖中各個(gè)顏色分別表示原始數(shù)據(jù)進(jìn)行了10 次迭代的效果，提升貢獻(xiàn)率的準(zhǔn)確性。

由圖可知，wind_direction_mean、yaw_speed、acc_x 等6 個(gè)特征的特征權(quán)重基本為0，與結(jié)果之間基本無關(guān)系，可以將26 維數(shù)據(jù)減少至20 維特征，提升了模型的訓(xùn)練速度。

圖4 ReliefF 算法特征權(quán)重相關(guān)度

3.3 故障診斷驗(yàn)證

原始數(shù)據(jù)經(jīng)過“去噪”以及基于ReliefF 特征選擇之后，數(shù)據(jù)集具備了一定的完整性。將15 機(jī)組風(fēng)機(jī)機(jī)組數(shù)據(jù)按7：3 劃分為訓(xùn)練集和測試集。運(yùn)用訓(xùn)練集對(duì)隨機(jī)森林模型進(jìn)行訓(xùn)練，測試集帶入模型之后獲得狀態(tài)輸出，將輸出的結(jié)果與測試集實(shí)際situation 及逆行對(duì)比，來評(píng)估模型的效果，其流程圖如圖5 所示。

圖5 隨機(jī)森林模型訓(xùn)練的流程

為判定算法的性能，本文采用了準(zhǔn)確率（ACC）、精確率（PRE）、召回率（REC）和F1 Score。各個(gè)指標(biāo)的定義為：

其中，F(xiàn)N/TP/FP/TN 的含義參數(shù)如表1。準(zhǔn)確率表示診斷正確的結(jié)果占總樣本的百分比；精確率表示在所有診斷為正的樣本中實(shí)際為正樣本的概率；召回率表示在實(shí)際為正的樣本中被診斷為正樣本的概率；F1 Score 是綜合考慮精確率和召回率的一個(gè)評(píng)價(jià)指標(biāo)。

表1 FN/TP/FP/TN 的含義

將原始數(shù)據(jù)按照以上步驟“去噪”、特征選擇后，將數(shù)據(jù)劃分為訓(xùn)練集和測試集，運(yùn)用訓(xùn)練集對(duì)隨機(jī)森林模型進(jìn)行訓(xùn)練，測試集帶入模型中驗(yàn)證模型效果，如表2 所示。再分別采用傳統(tǒng)的決策樹，KNN 和SVM算法實(shí)現(xiàn)風(fēng)機(jī)結(jié)冰故障診斷，可以得到4 個(gè)算法的效果對(duì)比，如表3 所示。通過比較，能夠發(fā)現(xiàn)本文采取的方法的優(yōu)勢。

表2 基于特征選擇以及隨機(jī)森林的風(fēng)機(jī)故障診斷

表3 4 種分類器模型的效果對(duì)比

4 結(jié)論

本文提出了一種基于ReliefF 特征提取和隨機(jī)森林算法的風(fēng)機(jī)結(jié)冰故障診斷方法，經(jīng)過實(shí)驗(yàn)對(duì)比驗(yàn)證，得出該方法在準(zhǔn)確度上提升至97%左右，可以有效診斷出風(fēng)機(jī)結(jié)冰的故障，及時(shí)警報(bào)除冰，減少風(fēng)機(jī)因結(jié)冰而導(dǎo)致的效率降低和損壞。

本文還采用了適用于不平衡數(shù)據(jù)的評(píng)價(jià)指標(biāo)F1 Score 參數(shù)，可以減少因數(shù)據(jù)不平很而影響模型的評(píng)判。