来源：期刊VIP网 时间：
作者：莫凡;何葵东;赵训新;王思嘉;徐雄;温和;
单位：湖南五凌电力科技有限公司;国家电力投资集团水电产业创新中心;湖南大学电气与信息工程学院;
摘要：传统振动诊断技术在水轮机故障检测上具有速度慢、测频范围低等弊端。事实上，水轮发电机组运行产生振动信号时，也会激发噪声信号。当系统故障时，噪声信号的特性也会发生变化，由此可以推导机组的运行状态信息发生相应变化。通过对水电站异常噪声信号特征分析，提出一种基于孤立森林的水电机组金属扫膛异常噪声检测方法。该方法提取水电机组噪声信号的高维时频特征后，结合机组状态分析，确定算法最小路径，最后构建孤立森林（i Forest）分类模型对机组噪声信号进行检测。通过对湖南某水电站灯泡贯流式机组检测实验表明，采用该方法的金属扫膛异常噪声检测准确率为97.45%。整体性能优于基于天牛须算法的支持向量机模型（BAS-SVM）与同类型的异常检测算法(KNN、ABOD和OC-SVM)模型，表明该方法的有效性。
关键词：水电机组;异常检测;噪声测量;孤立森林
基金资助：国家自然科学基金项目资助(51775185)
