论文部分内容阅读
针对风电集控中心需监控多个类型风机并对故障的风机进行故障诊断问题,通过运用DBSCAN聚类算法对风机运行数据进行密度聚类,判定齿轮箱和主轴方面的故障,并针对DBSCAN算法中需人为设定参数的确定进行了改进。首先在KNN分布曲线上假定陡增点,采用循环迭代的方法进行分段拟合计算出最优参数Eps;然后利用数学统计原理分析计算MinPts,实现聚类全过程的自动化,减小了根据经验判断参数的误差。最后利用风场实际数据进行试验,提取并分析聚类结果中的噪声点,通过数据异常值进行故障诊断,验证了此方法的可行性和有效性。