基于SCADA数据的风力发电机组故障检测改进的两阶段分类方法

《Sensors》：A Two-Stage Classification Method for Improved Fault Detection in Wind Turbines Based on SCADA Data

　　

摘要

故障检测对于风力涡轮机的可靠运行至关重要。基于SCADA数据的传统监督式故障检测方法面临着正常样本与故障样本严重不平衡的问题。本文提出了一种两阶段检测方法，通过将无监督异常检测或分类与监督式分类相结合来克服这一限制。在第一阶段，使用OCSVM这种无监督分类器以及两种互补的异常评分机制，来识别偏离正常运行的情况，或将异常数据样本与正常数据样本分开。在第二阶段，则对检测到的异常数据样本应用CNN这种监督式分类器，从而在这些样本中识别出故障样本，进而提升对正常状态与异常状态之间的区分能力。在真实世界的SCADA数据上进行的实验表明，与监督式方法相比，所提出的两阶段检测方法在准确率和故障漏检率方面都有显著提升。