探究SCADA参数关系的风电机组部件重要度

Investigation of the Importance of Components in Wind Turbine Units Based on the R elationship of SCADA Parameters

下载PDF

导出

摘要本文提出的森林优化算法-K近邻回归方法,根据部件性能特征来对部件重要度进行分析,并通过特征加权K近邻模型来拟合部件和整机的性能关系,结合FOA最优特征权重来对部件重要度进行分析。

作者吕伟周

机构地区国家能源投资集团(济南)新能源有限责任公司广饶分公司

出处《电力设备管理》 2023年第12期65-67,132,共4页 Electric Power Equipment Management

关键词部件重要度 SCADA参数关系 FOA-KNR 风电机组

分类号 TP3 [自动化与计算机技术—计算机科学与技术]

引文网络
相关文献

参考文献5

1汪健冬,刘广臣,赵娟娟,杨秋莲,付恩强,黄文广.基于XGBoost算法模型的风电机组齿轮箱输出轴故障监测与预警系统[J].电力大数据,2021,24(6):18-26. 被引量：4
2黄荣舟,汤宝平,杨燕妮,邓蕾.基于长短时记忆网络融合SCADA数据的风电齿轮箱状态监测[J].太阳能学报,2021,42(1):235-239. 被引量：24
3邓子豪,李录平,刘瑞,杨波,陈茜,李重桂.基于SCADA数据特征提取的风电机组偏航齿轮箱故障诊断方法研究[J].动力工程学报,2021,41(1):43-50. 被引量：30
4金晓航,泮恒拓,许壮伟,孙毅,刘伟江.基于SCADA数据和单分类简化核极限学习机的风电机组发电机状态监测[J].计算机集成制造系统,2022,28(8):2408-2418. 被引量：11
5陈俊生,李剑,陈伟根,孙鹏.采用滑动窗口及多重加噪比堆栈降噪自编码的风电机组状态异常检测方法[J].电工技术学报,2020,35(2):346-358. 被引量：24

二级参考文献49

1张英,魏晓华,吉小康.基于模糊控制和功率控制的风电偏航研究[J].计算机技术与发展,2011,21(6):212-215. 被引量：2
2郭鹏,李淋淋,马登昌.基于IPSO-BP的风电机组齿轮箱状态监测研究[J].太阳能学报,2012,33(3):439-445. 被引量：13
3杭俊,张建忠,程明,王伟,张明.风力发电系统状态监测和故障诊断技术综述(英文)[J].电工技术学报,2013,28(4):261-271. 被引量：53
4肖运启,王昆朋,贺贯举,孙燕平,杨锡运.基于趋势预测的大型风电机组运行状态模糊综合评价[J].中国电机工程学报,2014,34(13):2132-2139. 被引量：110
5林涛,刘刚,蔡睿琪,杨欣,张丽,廖文喆.基于轴承温度的风机齿轮箱故障预警研究[J].可再生能源,2018,36(12):1877-1882. 被引量：26
6王桂兰,赵洪山,米增强.XGBoost算法在风机主轴承故障预测中的应用[J].电力自动化设备,2019,39(1):73-77. 被引量：47
7赵洪山,闫西慧,王桂兰,尹相龙.应用深度自编码网络和XGBoost的风电机组发电机故障诊断[J].电力系统自动化,2019,43(1):81-86. 被引量：61
8戴巨川,袁贤松,刘德顺,龙辛,刘旋.基于SCADA系统的大型直驱式风电机组机舱振动分析[J].太阳能学报,2015,36(12):2895-2905. 被引量：9
9杨明,董传洋,徐殿国.基于电机驱动系统的齿轮故障诊断方法综述[J].电工技术学报,2016,31(4):58-63. 被引量：23
10孙鹤旭,孙泽贤,林涛.数据挖掘技术在风电机组故障诊断中的应用[J].中南民族大学学报（自然科学版）,2016,35(4):81-85. 被引量：9

共引文献83

1王玉兴.基于大数据的风电机组性能监控与故障预测[J].仪器仪表用户,2024,31(3):101-103.
2马然,栗文义,齐咏生.风电机组健康状态预测中异常数据在线清洗[J].电工技术学报,2021,36(10):2127-2139. 被引量：21
3李聪波,王睿,张友,蒋立君,孙皓.基于迁移学习的离心鼓风机故障预警方法[J].中国机械工程,2021,32(17):2090-2099. 被引量：4
4马良玉,孙佳明,於世磊,赵尚羽.基于DBSCAN和SDAE的风电机组异常工况预警研究[J].动力工程学报,2021,41(9):786-793. 被引量：11
5胡凯凯,陈亚楠,陈刚,舒晖,李籽圆.基于音频数据的风电机组叶片异常状态检测技术研究[J].控制与信息技术,2021(5):113-121. 被引量：2
6苏俊,方超,孙猛.基于工况辨识的风电机组故障诊断预警算法研究[J].现代信息科技,2021,5(12):33-35.
7滕伟,丁显,史秉帅,徐进,袁帅.基于WGAN-GP的风电机组传动链故障诊断[J].电力系统自动化,2021,45(22):167-173. 被引量：15
8赵娟娟,刘广臣,王瑞桃,徐晓宇,张玫洁,黄文广.基于LightGBM的风电机组齿轮箱油温故障预警研究[J].电力大数据,2021,24(11):76-84. 被引量：4
9张文广,贺东旭,吴凯利,蔺媛.基于多元时间序列分析的控制系统执行器故障诊断方法研究[J].自动化与仪表,2022,37(2):11-17. 被引量：3
10孙海蓉,曹瑶佳,张雨晴.基于WKFCM⁃SMOTE和随机森林的风电机组故障诊断[J].山东电力技术,2022,49(3):65-70. 被引量：6

1姚帅君,闫敬来,杜彩凤,温岩,刘铭,杨继红.基于机器学习的围绝经期综合征中医智能辨证模型构建研究[J].中国中医药信息杂志,2023,30(6):68-75. 被引量：5
2常玉燕,石启飞,杨培善.电动汽车性能因素实验分析研究[J].九江学院学报（自然科学版）,2023,38(2):34-37.
3胥维纤,张晓斐,孙斌.基于模型试验的泵站进水前池优化和特性研究[J].西北水电,2023(3):82-87. 被引量：2
4秦怡源,刘献礼,岳彩旭,郭斌,丁明娜.ET-GD与K近邻相结合的刀具磨损监测方法[J].哈尔滨理工大学学报,2023,28(1):1-10. 被引量：3
5徐婷,陈姝屹,彭冲,陈亦新,梁泽恺,赵磊.商用重载车尾气排放与驾驶行为的参数关系[J].汽车安全与节能学报,2023,14(3):365-374.
6田然,李绪泉,付泽正,赵玉莹,董捷睿.创异型单管循环散热器换热性能研究[J].青岛理工大学学报,2023,44(3):57-64.
7王俊,欧阳福莲,周杭霞.基于双分支特征提取的太阳辐射预测方法[J].计算机工程与设计,2023,44(7):2169-2176.
8辛守银,李宏波,郝宣,郝松,张轩硕,丁永发.TEPS用EPS基板工艺参数与性能关系试验研究[J].中国科技论文,2023,18(6):673-678.
9李钰.摆式摩擦系数测定仪示值误差来源分析及不确定度评定[J].科学技术创新,2023(18):13-16. 被引量：2
10李芝娟,吴丹,雷珽,王宁,段艳,马洪恩.基于软分类的直流充电桩故障预警方法[J].电气传动,2023,53(7):78-84.

电力设备管理

2023年第12期

浏览历史

内容加载中请稍等...

探究SCADA参数关系的风电机组部件重要度

参考文献5

二级参考文献49

共引文献83

相关作者

相关机构

相关主题

浏览历史