论文部分内容阅读
风力发电作为一种清洁的可再生能源,近些年受到了世界范围内的广泛关注和发展。风力发电机组设备状态监测对保障机组安全,降低维护费用有重要意义,其中采用风电机组运行数据进行状态监测是其重要研究方向之一。风电机组数据具有随机性、波动性等特点,因此对于较大规模数据的处理具有很大的困难,比较直接有效的解决途径就是在保证算法分类性能的基础上,通过样本选择方法来简约训练样本集。样本选择既具有使得学习速率加快、算法的计算代价降低,而且还能够避免“过拟合”现象,提高分类算法的泛化能力。本文针对风电机组数据的样本