風(fēng)力發(fā)電機作為造價(jià)高昂并且內部結構復雜的機器，其由許多的零部件協(xié)同工作，完成從風(fēng)能到電能的轉換，并且風(fēng)力發(fā)電機目前的種類(lèi)眾多，結構也有差異，內部主要由齒輪箱、發(fā)電機以及控制系統組成。通常風(fēng)力發(fā)電機的大部分故障為磨損性的故障，包括由于橡膠件的老化、潤滑油潤滑效果不佳、軸承磨損嚴重、齒輪組疲勞變形等等導致的發(fā)電機工作異常，該類(lèi)異常通常伴有一定的累積過(guò)程，數據由正常變?yōu)楫惓Ｒ彩菨u進(jìn)式的且可以通過(guò)干預或是維護而避免的。還有一類(lèi)異常比較罕見(jiàn)，屬于突發(fā)性的故障，比如電氣線(xiàn)路短路，齒輪或是軸承斷裂亦或者是雜物進(jìn)入機體，這類(lèi)異常通常難以掌握且一旦發(fā)生便難以處理，輕則機器部件損壞，需要更替；重則引起火情，整臺發(fā)電機失火燒毀。目前的異常檢測技術(shù)主要針對于磨損性的異常，對于突然性的故障，只能在設計風(fēng)電機組時(shí)給予充分的考慮并做相應的優(yōu)化設計。。。

風(fēng)力發(fā)電機作為造價(jià)高昂并且內部結構復雜的機器，其由許多的零部件協(xié)同工作，完成從風(fēng)能到電能的轉換，并且風(fēng)力發(fā)電機目前的種類(lèi)眾多，結構也有差異，內部主要由齒輪箱、發(fā)電機以及控制系統組成。 

通常風(fēng)力發(fā)電機的大部分故障為磨損性的故障，包括由于橡膠件的老化、潤滑油潤滑效果不佳、軸承磨損嚴重、齒輪組疲勞變形等等導致的發(fā)電機工作異常，該類(lèi)異常通常伴有一定的累積過(guò)程，數據由正常變?yōu)楫惓Ｒ彩菨u進(jìn)式的且可以通過(guò)干預或是維護而避免的。還有一類(lèi)異常比較罕見(jiàn)，屬于突發(fā)性的故障，比如電氣線(xiàn)路短路，齒輪或是軸承斷裂亦或者是雜物進(jìn)入機體，這類(lèi)異常通常難以掌握且一旦發(fā)生便難以處理，輕則機器部件損壞，需要更替；重則引起火情，整臺發(fā)電機失火燒毀。目前的異常檢測技術(shù)主要針對于磨損性的異常，對于突然性的故障，只能在設計風(fēng)電機組時(shí)給予充分的考慮并做相應的優(yōu)化設計。

風(fēng)電機設計之初便考慮了其極端的運行狀況，一般而言風(fēng)電機的安全系數很高且應對極端天氣有較大容忍度，出現燒毀的可能性很低，但由于其通常被安裝在幾十米的高空，且多在偏遠地區或者海上，一旦出現故障導致火情，便很難撲救，只能由其燒毀殆盡，并且燒毀后就很難判斷失火的原因、其異常而導致失火的原因大致可以總結為以下幾點(diǎn)：

    （1）電路故障：一般是電器件短路或者機艙在旋轉過(guò)程中電纜扭曲短路所致。

    （2）機械故障：通常是因為軸承或者齒輪箱出現非正常摩擦阻力引起的溫度異常升高所致。

    （3）雷擊：現有的發(fā)電機通常都安裝有避雷針，但由于風(fēng)電機結構特殊，難免還是會(huì )出現雷擊損毀風(fēng)電機的可能。

  現在多數風(fēng)電機組都安裝有SCADA(supervisory control and data acquisition)系統，該系統可以收集風(fēng)電機組運行時(shí)產(chǎn)生多個(gè)傳感器信號，包括有風(fēng)速、室外溫度、機艙溫度、主軸承溫度、齒輪箱溫度、機艙位置等，這些數據為我們研究發(fā)電機運行狀態(tài)提供了豐富的信息。

  風(fēng)電機組數據集中有眾多傳感器參數，而可用于失火分析的傳感器參數有主軸承溫度、艙內溫度、發(fā)電機轉速、風(fēng)速、室外溫度、非驅動(dòng)軸承溫度。將這些變量作為模型的輸入特征參數進(jìn)行訓練和測試。

  孤立森林屬于非參數和無(wú)監督的機器學(xué)習方法，其建模過(guò)程不需要異常的標注信息，同時(shí)也不需要指定數學(xué)模型。其中構建階段具體實(shí)現步驟如下：

    （1）、從訓練數據集中選擇N個(gè)樣本點(diǎn)作為抽取樣本，放入根節點(diǎn)中。

    （2）、隨機選取其中一個(gè)維度，在當前節點(diǎn)中隨機生成一個(gè)切割點(diǎn)P（P值位于節點(diǎn)中數據指定維度中最大與最小值之間）。

    （3）、將數據劃分給切割點(diǎn)產(chǎn)生的兩個(gè)節點(diǎn)中（小于P值得數據放入左節點(diǎn)，大于P值放入右節點(diǎn)）。

    （4）、在子節點(diǎn)中遞歸步驟2和步驟3，直到每個(gè)節點(diǎn)中只有一個(gè)數據或者樹(shù)的高度達到限定高度，一棵樹(shù)（即一顆iTree）構建完畢。

    （5）、繼續有放回的隨機選取N個(gè)子樣本，隨機選取一個(gè)維度重復步驟2,3,4，直到滿(mǎn)足所需求的森林個(gè)數，孤立森林模型構建完成。

例如：失火的風(fēng)電機數據集數據展示如下圖所示：

 上圖中，藍色曲線(xiàn)表示風(fēng)力發(fā)電機艙內溫度，橙色曲線(xiàn)表示發(fā)電機非驅動(dòng)端軸承溫度，綠色曲線(xiàn)表示發(fā)電機主軸承溫度，紅色則表示為風(fēng)速。失火點(diǎn)記錄發(fā)生在6月6號傍晚5點(diǎn)40分。

 加入滑動(dòng)平均函數后，使用孤立森林方法所得到的異常分數（失火風(fēng)電機數據集），如下圖：

    加入判斷異常閾值的異常曲線(xiàn)，如下圖：

 風(fēng)速和發(fā)電機各部件溫度之間整體呈現正相關(guān)性，而在6號上午8時(shí)至9時(shí)左右機艙內溫度卻異常上升，呈現和其他三個(gè)向量失調的特征?？赡艽藭r(shí)機艙內關(guān)鍵零部件出現磨損過(guò)度的問(wèn)題，有條件的判斷其可能是導致火災發(fā)生的前兆。

 本文研究方向為風(fēng)電機的異常狀態(tài)檢測，有所不同的是，某個(gè)維度屬性出現異常變化時(shí)也應當引起我們的注意，這很可能是某種故障出現的前兆。我們的目的是希望能在故障發(fā)生之前便能得到一些預警信息，這將有效的避免故障的發(fā)生。