<?xml version="1.0" encoding="UTF-8"?>
<!DOCTYPE article PUBLIC "-//NLM//DTD JATS (Z39.96) Article Authoring DTD v1.4 20240229//EN" "JATS-articleauthoring1.dtd">
<article article-type="research-article" xml:lang="zh-CN" xmlns:xlink="http://www.w3.org/1999/xlink">
  <front>
    <journal-meta>
      <journal-id journal-id-type="publisher-id">29</journal-id>
      <journal-title-group>
        <journal-title>《建筑施工与发展》</journal-title>
        <abbrev-journal-title>CONSTRUCTION AND DEVEL OPMENT</abbrev-journal-title>
      </journal-title-group>
      <issn>ISSN：2737-4262；EISSN:2705-1269</issn>
      <publisher>
        <publisher-name>华文科学出版社</publisher-name>
      </publisher>
    </journal-meta>
    <article-meta>
      <article-id pub-id-type="doi">10.12421/JZSGYFZ2705-1269-250714051</article-id>
      <article-id pub-id-type="publisher-id">20191</article-id>
      <title-group>
        <article-title>风力发电运行值班日志数据挖掘在机组性能分析中应用</article-title>
      </title-group>
      <contrib-group>
        <contrib contrib-type="author">
          <string-name>王 禹 牛 帅 于 杨 李洪涛</string-name>
        </contrib>
      </contrib-group>
      <pub-date pub-type="epub">
        <year>2025</year>
        <month>14</month>
      </pub-date>
      <issue>14</issue>
      <abstract>
        <p>本研究针对风力发电运行值班日志数据挖掘在机组性能分析中的应用展开内容解析，基于风力发电运行值班日志数据量大、人工
分析存在局限的问题，通过构建时序、关联、故障三类核心特征，进而建立 SVR 性能评估模型、LSTM 故障预警模型及 PSO 运行参数
优化模型。实践表明，该技术体系实现了机组性能量化评估、故障提前预警与运行参数动态优化，有效提升异常数据识别率、缩短故障处
理时间。
关键词：风力发电；值班日志；数据挖掘；机组性能分析</p>
      </abstract>
    </article-meta>
  </front>
</article>
