基于特征提取和隨機森林的風機故障診斷

梁川

（江中藥業股份有限公司，江西 南昌330000）

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

[1]，因此，可再生能源的發展備受關注。

其中，風力發電是最成熟、經濟可行、應用最廣泛的新能源發電技術之一[2]，風能是利用氣流做功和提供能源。在海拔1000米以下的地區，每升高100 米風速增加0.1 米/秒[3]，同時，低溫地區空氣密度增加，風能利用率提高10%，因此在高寒地區安裝了大量的風力發電機[4]。在這些高海拔地區，葉片容易結冰，影響風機的性能和安全。因此，對風機葉片結冰預報的研究具有較高的應用價值。

國內外都十分重視風機葉片結冰故障診斷的研究。Simani等[5]提出了數據驅動方法對風機的早期故障進行檢測，主要運用了模糊系統和神經網絡來描述測量和故障之間的強非線性關系。葉春霖等[6]采用處理不平衡學習算法和隨機森林實現風機結冰故障診斷。李大中[7]等提出利用極端梯度提升XGBoost 算法對風機葉片結冰狀態進行評估，在風機葉片結冰狀態診斷中具有良好的性能。

目前，對于風機葉片故障診斷的研究很多，但準確度還有待提高。本文提出了一種基于ReliefF 特征提取和隨機森林的風機結冰故障診斷模型，可以提高故障診斷的準確率，保證故障能夠及時發現并處理，確保風機的安全運行。

1 ReliefF 特征選擇

Relief 算法是Kira 于1992 年首次提出的一種經典的特征選擇算法[8]，ReliefF 算法是Relief 算法的擴展，ReliefF 算法是一種常用的過濾式特征權重算法，根據各個特征和類別的相關性賦予特征不同的權重，權重小于某個閾值的特征將被移除，該方法設定了一個“相關統計量”來表達特征的重要性。ReliefF 通常用于多類別標簽的特征選擇，是根據每個特征和類別的相關性，賦予特征不同的權重[9]。

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

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

2 隨機森林

隨機森林（Random Forests，RF）算法最早是由美國科學家Leo 于2001 年提出的一種機器學習算法[11]，該算法結合了Bagging 集成學習算法與隨機子空間思想，通過有放回的隨機采樣構造完各個決策樹后，綜合多個決策樹的分類結果來作為最終輸出。隨機森林算法是由決策樹（Decision Forests）算法一步一步發展而來的，發展經過如圖1 所示。

圖1 決策樹發展經過

決策樹是一種常用的分類算法，屬于有監督學習（Supervised Learning），他代表的是對象屬性與對象值之間的一種映射關系。樹中每個節點表示某個對象，每個分叉路徑則代表某個可能的屬性值。對于機器學習中的分類問題，將樣本特征輸入到決策樹模型后，通過一層層的決策，最終得到模型對該特征的預測結果，即樣本標簽。決策樹一般模型如圖2 所示。

圖2 決策樹的一般模型

隨機森林是以K 個決策樹為基本分類器，進行集成學習后得到一個組合分類器，將樣本輸入訓練好的隨機森林模型之后，隨機森林模型根據每個決策樹的分類結果投票決定出最終的輸出[12]。

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

圖3 隨機森林中單個決策樹訓練過程

隨機森林的特點決定了即便是處理大樣本、多維的數據也能有較快的速度，并且還可以根據每個特征在不同的決策樹中所做的貢獻來進行特征權重分析，同時隨機森林是一種非參數分類方法，只需要根據訓練樣本中特征與標簽的對應關系學習分類規則，而不需要分類的先驗知識。

3 實例分析

本文采用的數據來自國內某風機組15 號單機運行狀態下SCADA 部分數據，有28 個連續數值型變量，除去時間列和沒有任何意義的“group”列外，共有26 個連續型數值變量，覆蓋了風機的工況、運行環境、狀態等多個維度的參數，如功率、葉片轉速、葉片角度、風速、風向、溫度等，共計393886*28 組數據。

3.1 數據預處理

訓練數據集中包含了正常數據、故障數據以及無效數據，分別將其對應的訓練樣本label 標記為0，1，2。其中，對于無效數據，我們無法將其分成正常數據或是故障數據，因此在實際訓練中將其刪除。

3.2 特征選擇

原始數據有26 個有效特征參數，作為模型的輸入維度偏高，訓練會耗用過多的時間。因此，本文運用ReliefF 方法可以明確各特征對分類和故障診斷貢獻率。其特征權重相關度如圖4所示。

圖中各個顏色分別表示原始數據進行了10 次迭代的效果，提升貢獻率的準確性。

由圖可知，wind_direction_mean、yaw_speed、acc_x 等6 個特征的特征權重基本為0，與結果之間基本無關系，可以將26 維數據減少至20 維特征，提升了模型的訓練速度。

圖4 ReliefF 算法特征權重相關度

3.3 故障診斷驗證

原始數據經過“去噪”以及基于ReliefF 特征選擇之后，數據集具備了一定的完整性。將15 機組風機機組數據按7：3 劃分為訓練集和測試集。運用訓練集對隨機森林模型進行訓練，測試集帶入模型之后獲得狀態輸出，將輸出的結果與測試集實際situation 及逆行對比，來評估模型的效果，其流程圖如圖5 所示。

圖5 隨機森林模型訓練的流程

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

其中，FN/TP/FP/TN 的含義參數如表1。準確率表示診斷正確的結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際為正樣本的概率；召回率表示在實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評價指標。

表1 FN/TP/FP/TN 的含義

將原始數據按照以上步驟“去噪”、特征選擇后，將數據劃分為訓練集和測試集，運用訓練集對隨機森林模型進行訓練，測試集帶入模型中驗證模型效果，如表2 所示。再分別采用傳統的決策樹，KNN 和SVM算法實現風機結冰故障診斷，可以得到4 個算法的效果對比，如表3 所示。通過比較，能夠發現本文采取的方法的優勢。

表2 基于特征選擇以及隨機森林的風機故障診斷

表3 4 種分類器模型的效果對比

4 結論

本文提出了一種基于ReliefF 特征提取和隨機森林算法的風機結冰故障診斷方法，經過實驗對比驗證，得出該方法在準確度上提升至97%左右，可以有效診斷出風機結冰的故障，及時警報除冰，減少風機因結冰而導致的效率降低和損壞。

本文還采用了適用于不平衡數據的評價指標F1 Score 參數，可以減少因數據不平很而影響模型的評判。