排序方式: 共有3条查询结果,搜索用时 0 毫秒
1
1.
风速波动具有随机性和不确定性,导致风速预测的准确度不高.准确的风速预测对于优化风电运行策略和提高发电效率具有重大意义.利用最大信息系数(Maximal Information Coefficient,MIC)对风机SCADA数据进行变量相关性分析,并以MIC值大小对原始变量排序,将包含7项变量的子集作为深度信念网络(D... 相似文献
2.
风速波动本身具有随机性和不确定性,给风速的准确测量产生影响。基于风电场大数据,设计提出一种基于互信息算法和随机森林算法相结合的变量选择方法,并以此为基础建立基于天牛须搜索算法优化的神经网络(BAS-BP)风速预测模型。采用某风电场1. 5 MW机组SCADA历史数据,使用互信息法和随机森林算法进行变量选择,并进行预测模型的训练、测试及评价。验证结果表明:该风速预测模型各项误差评价指标得到提高,预测误差减小明显,模型具有更好的预测精度和效果,验证了方法的正确性和有效性。 相似文献
3.
风电机组所处工作状态的准确判别,对于掌握风电机组是否安全稳定高效运行具有重要的价值和意义。基于北方某风电场SCADA系统历史大数据,利用统计原理对风电机组特征参数进行了选取,在此基础上建立了一种判别风电机组工作状态的决策树(Decision Tree Algorithm)算法模型,并对模型参数进行了网格搜索优化,同时使用了新的历史数据对模型泛化能力做了检验,递归计算了风电机组不同状态下的信息增益和信息熵。依据风场历史数据对风电机组6种典型工作状态模式做了判别验证,结果表明该方法能够准确有效地判别给出风电机组工作状态模式,准确率平均达到0.989,从而验证了此方法的可行性和有效性。 相似文献
1