В этом исследовании рассматривается применение различных моделей машинного обучения (ML) для диагностики неисправностей в ветряных турбинах с особым упором на предварительную обработку данных (SCADA) для обеспечения наиболее точного обучения модели. Были использованы сразу несколько алгоритмов, в их числе: LGBM, Дерево решений (DT), Случайный лес (RF), Cети долгой краткосрочной памяти (LSTM) и Метод опорных векторов (SVM). Результаты показывают, что классификатор LSTM продемонстрировал наилучшую общую производительность, стабильное достижение высоких показателей F1 по различным типам неисправностей, кроме неисправности сети. Модель LGBM2 достигла точности обучения 90,5%, а наивысшая общая точность модели у LSTM - 77%. Однако при диагностировании перебоев в электросети и системе возбуждения

Семенов Д.В. (науч. рук. Демидова Г.Л.) Идентификация неисправностей технических объектов методами машинного обучения // Сборник тезисов докладов конгресса молодых ученых. Электронное издание. – СПб: Университет ИТМО, [2025]. URL: https://kmu.itmo.ru/digests/article/14561