基于FISSA-DBN模型的风电机组运行状态监测 |
| |
引用本文: | 周凌,赵前程,朱岸锋,杨三英,阳雪兵.基于FISSA-DBN模型的风电机组运行状态监测[J].振动.测试与诊断,2023,43(1):80-87. |
| |
作者姓名: | 周凌 赵前程 朱岸锋 杨三英 阳雪兵 |
| |
作者单位: | (1.湖南科技大学风电机组运行数据挖掘与利用技术湖南省工程研究中心 湘潭,411201)(2.湖南工业大学电气与信息工程学院 株洲,412002)(3.哈电风能有限公司 湘潭,411102) |
| |
基金项目: | 国家自然科学基金资助项目(51875199,51905165);湖南省自然科学基金资助项目(2019JJ50186) |
| |
摘 要: | 为提高风电机组运行效率,降低风电场运营成本,对风电机组运行状态监测显得尤为重要,提出一种基于数据采集与监控(supervisory control and data acquisition,简称SCADA)系统和萤火虫改进麻雀搜索算法优化深度置信网络(firefly improved sparrow search algorithm optimized deep belief network,简称FISSA-DBN)的风电机组状态监测新方法。首先,对SCADA数据进行预处理分析,并利用专家系统和皮尔逊相关系数分析,相关分析选取输入参数和输出参数;其次,利用预处理数据集建立基于FISSA-DBN的风电机组运行状态监测新模型,根据模型预测值和实际输出值之间的重构值误差,以及指数加权移动平均阈值(exponentially weighted moving average,简称EWMA)判断是否有异常;最后,以华东某风电场实际数据为例进行实例验证。结果表明,所提出方法的预警时间比实际记录时间最早可提前4 d多。同时,将所提出方法与其他方法进行对比,结果表明该方法预警时间提前,模型预测误差更小。
|
关 键 词: | 风电机组 深度置信网络 状态监测 麻雀搜索算法 指数加权移动平均阈值 |
收稿时间: | 2022/4/1 0:00:00 |
修稿时间: | 2022/6/17 0:00:00 |
|
| 点击此处可从《振动.测试与诊断》浏览原始摘要信息 |
|
点击此处可从《振动.测试与诊断》下载全文 |
|