《表3 特征重要度排序：基于功率曲线分析与神经网络的风电机组故障预警方法》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于功率曲线分析与神经网络的风电机组故障预警方法》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

风电机组工作状态良好时，系统的各个参数与功率参数有固定的关系。偏航系统、变桨系统、齿轮箱等大部件出现故障或者工作异常等状况时，均会在功率上得到体现。因此将各个系统记录的主要参数作为输入参数，将功率作为输出变量，应用Sklearn模块中的RandomForestClassifier函数，就可以得出与功率密切相关且可以反映机组性能特征的重要度排序。重要度排名前10的特征如表3所示。