张国珍， 王其乐， 叶天泽， 杨锡运

(1.龙源电力集团股份有限公司，北京 100034； 2.中能电力科技开发有限公司，北京 100034； 3.华北电力大学 控制与计算机工程学院，北京 102206)

0 引 言

受气象环境、随机性载荷、脉冲电压等因素影响，发电机、齿轮箱等风电机组部件的工作运行条件往往存在较大的不确定性，从而给风电机组的稳定运行埋下了诸多安全隐患[1]。相关部件若后期维护不及时或缺乏针对性，很容易引发意外故障，严重时甚至会折损风机的寿命。

齿轮箱等部件的高温降容状态是表征风电机组亚健康状态的良好指标。当高温降容状态不超过某一阀值时，通常表明风机各部件、各子系统整体运行良好；而当其超过阀值显示异常时，则可能指示存在装置老化、转子超速、线圈短路等问题[2，3]。因此可以通过开展风机高温降容状评估，提前研判风机潜在的运行故障，以便及时针对性地开展运维工作。

随机森林(Random Forest，RF)具有良好的抗噪性和泛化能力，过拟合问题影响较小[4，5]。除此之外，RF能够评估各个特征在分类问题上的重要性，有助于挑选最优特征子集。虽然RF算法的泛化能力和分类性能较好，但随机设置参数时其分类稳定性仍会受到影响，最优特征子集也会收到影响，最优特征子集的维度也会因此而增加。文献[6]通过vine-copula模型对机组各个特征进行相关性分析，建立合适的贝叶斯概率图形网络，从而实现对高温降容状态的评估。

鉴于传统的基于单一算法或理论的状态评估方法的预测精度尚不够理想[7-10]，为了实现考虑时序特性的负荷特征自动提取和非线性降维。……