基于SCADA数据分析和稀疏自编码神经网络的风电机组在线运行状态监测 |
| |
作者姓名: | 金晓航 许壮伟 孙毅 单继宏 |
| |
作者单位: | 1. 浙江工业大学特种装备制造与先进加工技术教育部重点实验室;2. 浙江工业大学机械工程学院;3. 宁海县浙工大科学技术研究院;4. 浙江工业大学海洋研究院 |
| |
基金项目: | 国家自然科学基金(51505424;51675484);;浙江省自然科学基金(LY15E050019);;宁波市自然科学基金(2018A610045); |
| |
摘 要: | 通过融合稀疏自编码器和深度神经网络算法,提出一种基于SCADA数据的风电机组在线运行状态监测方法.首先,通过稀疏自编码器学习SCADA高维数据中复杂的内在特征,得到数据的降维表示;其次,基于降维后的数据利用深度神经网络预测风电机组的有功功率,通过对比分析预测功率与实际功率之间的残差判断风电机组的运行状态;最后,利用某风...
|
关 键 词: | 风电机组 状态监测 深度神经网络 稀疏自编码器 数据采集与监控系统 |
|
|