(1>原始的數(shù)據是具有較大噪聲。

      (2)相關的狀態(tài)參數(shù)數(shù)據具有一定的相關，但是原始數(shù)據的相關被掩蓋了。

    為了提取狀態(tài)參數(shù)數(shù)據的相關，運用了以下數(shù)據預處理算法?？紤]的發(fā)電機所捕獲的與風速有關，所以把風速作為所要處理發(fā)電機狀態(tài)參數(shù)數(shù)據的參考參數(shù)。數(shù)據預處理算法的步驟如下:

    對于發(fā)電機的正常模型建立，特征選擇是十分重要的。特征選擇就是從原始特征中根據一定的評判標準剔除不相關的特征和選取有效的特征的過程，且在特征選擇過后回歸或者分類模型具有更高的精度和正確率。初步選擇的18個發(fā)電機的特征，分析其機理，發(fā)電機的功率和轉子轉速可以較好的反應發(fā)電機的狀態(tài)，所以把發(fā)電機的功率和轉子轉速作為輸出，剩下的16個發(fā)電機的特征作為輸入的話，還是具有較多的特征，所以需要從高維數(shù)據中提取或者選擇出有用的特征信息和規(guī)律，剔除其中冗余的特征。Davies證明了篩選優(yōu)特征子集是一個NP完全問題。