期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到77篇文章
< 1 2 … 4 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
一种基于SCADA参数关系的风电机组运行状态识别方法 被引量：37
1
作者 张帆 刘德顺 +2 位作者 戴巨川 王超 沈祥兵 《机械工程学报》 EI CAS CSCD 北大核心 2019年第4期1-9,共9页
提出一种基于SCADA参数关系的风电机组运行状态识别方法。首先,从风电机组运行特性出发,深入分析风电机组运行状态SCADA数据输入/输出参数关系;基于时间的滑动窗口模型,采用多项式回归拟合方法,构建风电机组运行状态输入/输出参数关系... 提出一种基于SCADA参数关系的风电机组运行状态识别方法。首先,从风电机组运行特性出发,深入分析风电机组运行状态SCADA数据输入/输出参数关系;基于时间的滑动窗口模型,采用多项式回归拟合方法,构建风电机组运行状态输入/输出参数关系数学模型;然后,基于风电机组正常运行输入/输出参数关系数学模型,提出描述各个时刻风电机组运行状态异常程度的指标计算公式;对风电机组正常运行阶段的状态指标进行统计分析,获取其分布函数规律;最后,根据小概率事件假设,确定识别风电机组运行状态出现异常的阈值,据此对风电机组运行状态出现异常进行预警。以同风场同型号两台2 MW直驱式风电机组SCADA数据为例进行分析,结果表明:①基于SCADA数据的风电机组运行状态识别方法,可以实现对风电机组运行的异常状态识别和早期预警,该方法的特点是状态识别完全基于正常运行SCADA数据分析而无需异常运行SCADA数据进行挖掘训练和相关物理机制与故障模式方面的先验知识;②基于风电机组SCADA数据的运行状态识别方法,依据风电机组及其部件的运行状态输入/输出参数关系的层次结构,可以获得发生异常状态的相关部件信息,这对风电机组运行状态预警和维护决策具有重要意义。 展开更多
关键词 风电机组 scada数据 状态识别 预警
原文传递
风电场SCADA数据预处理方法及评价策略 被引量：23
2
作者 戴巨川 曹俊伟 +2 位作者 张帆 刘德顺 沈祥兵 《太阳能学报》 EI CAS CSCD 北大核心 2017年第9期2597-2604,共8页
为了从SCADA数据中获得更明确的物理信息,更好地判断风电机组运行状态,分别将常规平均数法、最小二乘法和该文提出的非参数法(核密度-均值法)用于风电场SCADA数据预处理。建立风电场SCADA数据预处理算法的3个评价指标,包括物理特性一致... 为了从SCADA数据中获得更明确的物理信息,更好地判断风电机组运行状态,分别将常规平均数法、最小二乘法和该文提出的非参数法(核密度-均值法)用于风电场SCADA数据预处理。建立风电场SCADA数据预处理算法的3个评价指标,包括物理特性一致性、采样时间变化稳健性及采样频率变化稳健性。设计评价指标定量计算公式,用以评价各种预处理算法效果,计算结果表明非参数法(核密度-均值法)能够获得更好的预处理效果。最后,基于核密度-均值法对全工况风电机组SCADA数据进行预处理,分析风电机组运行特性,包括风速与输出功率、轮毂转速的关系以及风能利用系数。 展开更多
关键词 风电机组 scada数据 数据预处理 评价指标
下载PDF
基于特征选择和XGBoost的风电机组故障诊断 被引量：23
3
作者 靳志杰 霍志红 +2 位作者 许昌 郭宏宇 周华建 《可再生能源》 CAS CSCD 北大核心 2021年第3期353-358,共6页
随着风电规模的不断增加,风电机组的运行维护成为研究的热点。针对风电机组的故障诊断问题,文章提出了一种基于特征选择和XGBoost算法的故障诊断方法。该方法采用随机森林的袋外估计进行特征选择,降低了特征选择过程的主观性;以XGBoost... 随着风电规模的不断增加,风电机组的运行维护成为研究的热点。针对风电机组的故障诊断问题,文章提出了一种基于特征选择和XGBoost算法的故障诊断方法。该方法采用随机森林的袋外估计进行特征选择,降低了特征选择过程的主观性;以XGBoost算法为基础搭建诊断模型,采用网格搜索和交叉验证对算法进行参数优化。以风电场SCADA实测数据对所提方法进行验证,通过准确率、AUC值等指标将文章所提方法与传统机器学习算法的诊断结果进行对比。对比结果表明,文章提出的方法比传统机器学习算法的预测准确率更高,可用于风电机组故障诊断的工程中。 展开更多
关键词 风电机组 scada数据 XGBoost 故障诊断
下载PDF
基于RBM和SVM的风电机组叶片开裂故障预测 被引量：22
4
作者 张鑫 徐遵义 +1 位作者 何慧茹 王飞 《电力系统保护与控制》 EI CSCD 北大核心 2020年第15期134-140,共7页
针对风电机组SCADA监测数据的非线性、高冗余等特点,提出一种基于受限玻尔兹曼机(Restricted Boltzmann Machine,RBM)和支持向量机(Support VectorMachine,SVM)的风电机组叶片开裂故障预测方法。利用RBM优异的特征学习能力,将其作为特... 针对风电机组SCADA监测数据的非线性、高冗余等特点,提出一种基于受限玻尔兹曼机(Restricted Boltzmann Machine,RBM)和支持向量机(Support VectorMachine,SVM)的风电机组叶片开裂故障预测方法。利用RBM优异的特征学习能力,将其作为特征提取器来获得风电机组SCADA数据中表达能力更强的数据特征。将RBM的输出作为SVM的输入,构建RBM+SVM组合预测模型。利用训练集、验证集进行预测模型构建和参数微调。为验证提出模型的有效性,将其预测结果与RBM+Logistic回归、SVM和Logistic回归的预测结果进行对比。实验表明,RBM+SVM的预测准确率为93.08%,与三组对比模型相比具有明显的优势。研究结果可为实际风电机组叶片开裂故障预测提供重要参考。 展开更多
关键词 风电机组 叶片开裂故障 scada数据 受限玻尔兹曼机 支持向量机
下载PDF
基于小波神经网络的风力发电机故障预测方法 被引量：20
5
作者 肖桂雨 向健平 +1 位作者 凌永志 何嘉平 《电力科学与技术学报》 CAS 北大核心 2019年第2期195-202,共8页
针对风力发电场风力不可控、风况复杂和数据的非平稳性现状,利用风力发电场SCADA大数据,对风力发电机组进行分析,提出一种基于小波分析和神经网络的智能算法,通过分析风力发电机相关故障信号的特征,实现对风力发电机的故障诊断和预测。... 针对风力发电场风力不可控、风况复杂和数据的非平稳性现状,利用风力发电场SCADA大数据,对风力发电机组进行分析,提出一种基于小波分析和神经网络的智能算法,通过分析风力发电机相关故障信号的特征,实现对风力发电机的故障诊断和预测。最后对大熊山风电场2MW 风力发电机组运行数据进行仿真和分析,仿真结果表明,小波神经网络是一种风力发电机故障诊断和预测的有效方法。 展开更多
关键词 scada数据 故障预测 小波分析 神经网络
下载PDF
基于SCADA数据的风机叶片结冰检测方法 被引量：19
6
作者 李宁波 闫涛 +3 位作者 李乃鹏 孔德同 刘庆超 雷亚国 《发电技术》 2018年第1期58-62,共5页
针对工作在寒冷地区的风机易出现的叶片结冰现象,提出一种基于SCADA数据的风机叶片结冰检测方法。根据叶片结冰会增大发电机的功率损耗,选择风速与网侧有功功率2个变量,利用主成分分析技术构造对叶片结冰敏感的风速与网侧有功功率在非... 针对工作在寒冷地区的风机易出现的叶片结冰现象,提出一种基于SCADA数据的风机叶片结冰检测方法。根据叶片结冰会增大发电机的功率损耗,选择风速与网侧有功功率2个变量,利用主成分分析技术构造对叶片结冰敏感的风速与网侧有功功率在非主成分方向投影特征,通过选择最优阈值使逻辑回归分类器适用于不平衡分类,可以实现风机叶片结冰检测自动化与智能化。通过中国工业大数据创新竞赛数据验证了该方法的有效性。 展开更多
关键词 风机叶片结冰检测 scada数据 非主成分方向投影特征 最优阈值选择 不平衡分类
下载PDF
基于机器学习的风电机组变桨系统故障研究 被引量：15
7
作者 熊中杰 邱颖宁 +1 位作者 冯延晖 程强 《太阳能学报》 EI CAS CSCD 北大核心 2020年第5期85-90,共6页
针对变桨系统的齿形带断裂故障问题,首先通过分析变桨系统的工作原理,基于多维SCADA信号进行特征数据挖掘,再利用主成分分析法对数据进行预处理,并保留时序信息重构数组,最后利用高斯核支持向量机进行机器学习,实现对齿形带断裂故障的... 针对变桨系统的齿形带断裂故障问题,首先通过分析变桨系统的工作原理,基于多维SCADA信号进行特征数据挖掘,再利用主成分分析法对数据进行预处理,并保留时序信息重构数组,最后利用高斯核支持向量机进行机器学习,实现对齿形带断裂故障的智能检测。结果表明该方法可准确诊断齿形带断裂故障,并已通过多台风电机组监测数据进行验证,准确性可达到98.8%,证明该文所用方法和模型的广泛适用性。研究结果可对未来智慧风电场的开发管理提供有利用价值的工具。 展开更多
关键词 风电机组 故障诊断 主成分分析 核支持向量机 scada数据 变桨系统
下载PDF
基于SCADA数据的风电机组关键载荷预测 被引量：12
8
作者 周士栋 薛扬 +1 位作者 马晓晶 王文卓 《农业工程学报》 EI CAS CSCD 北大核心 2018年第2期219-225,共7页
风电机组关键位置载荷预测对风电机组安全、经济运行具有重要意义。通过建立SCADA数据与载荷间的近似关系对风电机组关键位置载荷进行预测。采用BP神经网络建立SCADA数据和载荷的关系模型,利用SCADA数据与载荷间的相关性来筛选模型输入... 风电机组关键位置载荷预测对风电机组安全、经济运行具有重要意义。通过建立SCADA数据与载荷间的近似关系对风电机组关键位置载荷进行预测。采用BP神经网络建立SCADA数据和载荷的关系模型,利用SCADA数据与载荷间的相关性来筛选模型输入参量,采用试错法确定BP神经网络的层数与神经元数量。针对某2.5 MW风电机组的7处关键位置进行了载荷实测。研究表明,在不采用风速作为输入参量的情况下,模型的预测结果与实测结果具有良好的一致性,相对误差的均值在1.28%到15.6%之间,决定系数R2在0.951到0.882之间;与试错法选择输入参量相比,基于相关性计算的输入参量选择方法能够更高效地筛选出更多恰当的SCADA参量,从而进一步提高预测准确度。因此,基于BP神经网络建立SCADA数据与载荷的近似关系可作为风电机组关键位置载荷预测评估的有效手段。 展开更多
关键词 风电机组 模型 神经网络 scada数据 参数筛选 疲劳等效载荷 载荷预测
下载PDF
基于运行数据和高斯过程回归的风电机组发电性能分析与监测 被引量：12
9
作者 郭鹏 姜漫利 李航涛 《电力自动化设备》 EI CSCD 北大核心 2016年第8期10-15,25,共7页
采用SCADA运行数据,结合风电机组的运行原理,详细分析了对发电性能有密切影响的因素,包括环境因素及机组各个子部件如变桨系统、偏航系统、控制系统的运行状态。采用适合风电机组运行数据强随机性和高噪声特点的高斯过程回归方法建立了... 采用SCADA运行数据,结合风电机组的运行原理,详细分析了对发电性能有密切影响的因素,包括环境因素及机组各个子部件如变桨系统、偏航系统、控制系统的运行状态。采用适合风电机组运行数据强随机性和高噪声特点的高斯过程回归方法建立了发电性能模型。该模型表征了机组发电性能正常时风能利用系数与其影响因素之间的复杂关系,将实时运行数据作为发电性能模型输入,通过分析模型预测残差能够实时监测风电机组发电性能的异常变化。通过风电场实际运行数据仿真,验证了所提方法的可行性。 展开更多
关键词 风电机组 发电性能 监测 风能利用系数 高斯过程回归 scada运行数据
下载PDF
基于LSTM网络的风机齿轮箱轴承故障预警 被引量：12
10
作者 王超 李大中 《电力科学与工程》 2020年第9期40-45,共6页
提出一种将互信息特征选择、深度学习和残差滑动窗口分析相结合的风机齿轮箱轴承故障预警方法。首先,对风电场SCADA数据进行预处理,采用互信息法筛选与齿轮箱轴承温度关联度高的特征。在此基础上,依据所选特征建立长短期记忆神经网络(LS... 提出一种将互信息特征选择、深度学习和残差滑动窗口分析相结合的风机齿轮箱轴承故障预警方法。首先,对风电场SCADA数据进行预处理,采用互信息法筛选与齿轮箱轴承温度关联度高的特征。在此基础上,依据所选特征建立长短期记忆神经网络(LSTM)深度学习模型对齿轮箱轴承温度进行预测,并通过滑动窗口对预测残差进行分析处理,设定合适的报警阈值和规则。以西北某风电场现场数据对提出的方法进行验证,结果表明该方法可以对风机齿轮箱轴承故障进行有效预警。 展开更多
关键词 scada数据 深度学习 LSTM网络 齿轮箱轴承 故障预警
下载PDF
融合SCADA数据的风电机组齿轮箱状态评估 被引量：11
11
作者 王炜超 袁逸萍 +3 位作者 孙文磊 赵琴 樊盼盼 贾依达尔·热孜别克 《机械科学与技术》 CSCD 北大核心 2020年第2期201-206,共6页
为对风机齿轮箱状态进行准确评估,提出一种基于核主成分(KPCA)与最小二乘支持向量机(LS-SVM)结合的齿轮箱数据融合故障预测模型。鉴于SCADA系统中数据信息质量的不确定性和冗余性,该模型首先对监测数据预处理(4分位法剔除异常数据等),... 为对风机齿轮箱状态进行准确评估,提出一种基于核主成分(KPCA)与最小二乘支持向量机(LS-SVM)结合的齿轮箱数据融合故障预测模型。鉴于SCADA系统中数据信息质量的不确定性和冗余性,该模型首先对监测数据预处理(4分位法剔除异常数据等),对齿轮箱特征因素进行相关性分析,利用该预测方法对齿轮箱典型状态特征(振动、温度特征等)进行预测,利用统计过程控制原理(SPC)分析残差,以实现齿轮箱异常状态的预测。最后,以齿轮箱油温预测为例,验证了该模型的准确性和有效性。 展开更多
关键词 数据融合 核主成分 最小二乘支持向量机 scada数据 统计过程控制原理
下载PDF
基于新型混合深度学习的风电机组功率预测模型开发及应用 被引量：10
12
作者 王丽杰 唐宏芬 +1 位作者 张真真 张路娜 《电力科技与环保》 2022年第1期72-78,共7页
风电机组发电性能的预测对提高电网的可靠性、安全性以及运行管理水平起着至关重要的作用。考虑实际环境的复杂不确定性导致风力发电存在一定波动,提出了一种新的基于混合深度学习模型的风力发电机功率预测模型对风力发电性能进行预测... 风电机组发电性能的预测对提高电网的可靠性、安全性以及运行管理水平起着至关重要的作用。考虑实际环境的复杂不确定性导致风力发电存在一定波动,提出了一种新的基于混合深度学习模型的风力发电机功率预测模型对风力发电性能进行预测。该混合模型通过耦合卷积层、门限循环单元层和全连通神经网络有效地提高了预测精度,其中卷积层从原始数据中自动学习复杂特征,门限循环单元层通过精简信息特征并传递到全连通神经网络进一步捕获特征关系,提高了模型预测的准确性。采用风电机组的SCADA数据对模型进行训练学习和对比实验。其中训练结果表明在预测测试数据时本文所提预测模型的预测值与实际值之间的平均绝对差为2.48,同时模型也没有出现过度拟合和拟合不足的问题。对比实验中,所提预测模型的平均绝对误差指数仅为2.32,小于其他文献所提的预测模型,表明了混合深度学习模型优于其他预测模型。最后通过实例验证了预测模型的有效性,提高了风电预测的准确度。 展开更多
关键词 scada数据 混合深度学习模型 卷积层 门限循环网络 性能劣化
下载PDF
基于PCA-KNN融合算法的风力机变桨角度故障诊断方法 被引量：10
13
作者 陈茜 李录平 +3 位作者 刘瑞 杨波 邓子豪 李重桂 《中国电力》 CSCD 北大核心 2021年第11期190-198,共9页
针对风力机变桨系统变桨角度4种主要故障类型,基于机组SCADA数据分析,提出一种基于非参数核密度估计和Relief-F特征参数提取数据处理,以及PCA-KNN融合算法故障诊断的风力机变桨角度异常状态识别方法。首先,对风力机SCADA数据进行非参数... 针对风力机变桨系统变桨角度4种主要故障类型,基于机组SCADA数据分析,提出一种基于非参数核密度估计和Relief-F特征参数提取数据处理,以及PCA-KNN融合算法故障诊断的风力机变桨角度异常状态识别方法。首先,对风力机SCADA数据进行非参数核密度估计预处理,运用Relief-F算法提取变桨角度故障的7类(13个)特征参数;然后,通过PCA-KNN融合算法对变桨角度故障状态进行识别,结果表明:该方法能够准确识别变桨角度4种主要的故障类型。最后,将改进的PCA-KNN融合算法与常用的KNN算法、PCA-KNN算法和BP神经网络进行对比,结果表明:改进的PCA-KNN融合算法具有更为准确的识别率。 展开更多
关键词 风力机 变桨角度故障 scada数据 非参数核密度估计 Relief-F算法 PCA-KNN融合算法
下载PDF
基于改进深度森林算法的风电机组故障诊断技术研究 被引量：10
14
作者 郭莹莹 张磊 +1 位作者 肖成 孙培旺 《可再生能源》 CAS 北大核心 2019年第11期1720-1725,共6页
为了及时有效地检测出风电机组发生的具体故障,同时克服传统故障诊断方法的局限性,文章提出一种基于改进深度森林算法的风电机组故障诊断方法。首先,利用有效的数据预处理方法处理SCADA原始数据并提取故障特征;然后,基于深度森林算法对... 为了及时有效地检测出风电机组发生的具体故障,同时克服传统故障诊断方法的局限性,文章提出一种基于改进深度森林算法的风电机组故障诊断方法。首先,利用有效的数据预处理方法处理SCADA原始数据并提取故障特征;然后,基于深度森林算法对风电机组具体故障进行诊断,同时,针对深度森林算法在故障诊断领域存在的缺陷,对算法提出改进;最后,利用河北某风场1.5 MW风电机组实际运行数据对文章提出的故障诊断算法进行验证,通过正确率、AUC等指标验证了所提故障诊断算法相比传统机器学习算法的有效性和优越性。该研究为风电机组运行和维修提供了依据,同时也为故障诊断领域提供了新的方法和思路。 展开更多
关键词 风电机组 scada数据 深度森林 故障诊断
下载PDF
基于SCADA数据的风电机组技术改造后评估方法研究 被引量：8
15
作者 杨超 王志 +2 位作者 叶小广 贾思远 刘庆超 《华电技术》 CAS 2017年第1期21-23,共3页
风电场后评估作为优化风电场运行状态、降低运维成本的关键技术手段,其方法已成为业界探讨的焦点。介绍了目前国外基于风电机组数据采集与监视控制系统(SCADA)数据的风电场后评估方法,提出了基于SCADA数据的出力性能前后对比与机组运行... 风电场后评估作为优化风电场运行状态、降低运维成本的关键技术手段,其方法已成为业界探讨的焦点。介绍了目前国外基于风电机组数据采集与监视控制系统(SCADA)数据的风电场后评估方法,提出了基于SCADA数据的出力性能前后对比与机组运行性能对比分析方法,以量化评估技术改造工作对风场效益的提升程度。 展开更多
关键词 风电机组 scada数据 技术改造 后评估 出力性能 评估方法
下载PDF
基于ACNN和Bi-LSTM的风电机组故障早期识别 被引量：8
16
作者 胡爱军 连俭 向玲 《太阳能学报》 EI CAS CSCD 北大核心 2021年第12期143-149,共7页
为实现风力发电机故障早期识别,提出一种基于风电机组数据采集与监控(SCADA)数据的空洞卷积神经网络(ACNN)和双向长短期记忆网络(Bi-LSTM)相结合的早期故障识别方法。首先,利用Pearson相关系数指标,确定输入变量。然后,基于ACNN和Bi-LST... 为实现风力发电机故障早期识别,提出一种基于风电机组数据采集与监控(SCADA)数据的空洞卷积神经网络(ACNN)和双向长短期记忆网络(Bi-LSTM)相结合的早期故障识别方法。首先,利用Pearson相关系数指标,确定输入变量。然后,基于ACNN和Bi-LSTM对SCADA数据进行时空特征提取,以有功、无功功率输出作为预测变量。最后,计算输出预测值的均方根误差(RMSE),通过指数加权移动平均法(EWMA)设定自适应阈值,识别机组状态。利用ACNN提取空间特征后,再用Bi-LSTM感知空间特征在时间序列上的变化,提高了模型的训练效率及对机组早期故障敏感度。通过对实际机组SCADA数据分析,证明该方法可有效识别风电机组早期故障。 展开更多
关键词 故障识别 风电机组 深度学习 scada数据 时空特征
下载PDF
基于NSET与信息熵的故障预警等级研究 被引量：7
17
作者 李洋 安平 +3 位作者 李志强 刘帅 马良玉 刘卫亮 《中国测试》 CAS 北大核心 2020年第7期153-158,共6页
为降低风电机组因机械故障引起的修复成本与风力资源的浪费,提出一种结合非线性状态估计(NSET)与信息熵理论的故障预警算法,使用系统监测数据完成关键设备故障预警,降低设备停机时长。将目标监测参数的前一时刻也作为特征参数之一,并以... 为降低风电机组因机械故障引起的修复成本与风力资源的浪费,提出一种结合非线性状态估计(NSET)与信息熵理论的故障预警算法,使用系统监测数据完成关键设备故障预警,降低设备停机时长。将目标监测参数的前一时刻也作为特征参数之一,并以固定步距挑选历史正常监测数据,组成非线性状态估计算法的记忆矩阵;将改进的信息熵使用范畴进一步限定,并提出递进式故障预警等级,有助于直观了解设备衰退阶段。以风电机组SCADA数据作为数据源,预警发电机驱动端轴承温度高于上限值故障,并探讨不同归一化方法对所提算法的影响,故障算例显示所提算法能够提前预警潜在故障。 展开更多
关键词 非线性状态估计 信息熵 故障预警 归一化 scada数据
下载PDF
基于SCADA数据的风力发电机组振动的相关性分析与研究 被引量：7
18
作者 任岩 胡雷鸣 黄今 《水力发电》 北大核心 2019年第4期106-109,共4页
风力发电机组的振动信号是反映机组各旋转部件运行状态的重要参数,通过分析影响机组振动的因素,可为减少机组振动、降低故障率、状态检修等提供理论依据。通过对风电场SCADA数据进行筛选,去除无效数据,然后利用相关性分析,找到与机组振... 风力发电机组的振动信号是反映机组各旋转部件运行状态的重要参数,通过分析影响机组振动的因素,可为减少机组振动、降低故障率、状态检修等提供理论依据。通过对风电场SCADA数据进行筛选,去除无效数据,然后利用相关性分析,找到与机组振动有关的因素。分析发现,与机组振动相关程度较高的因素有风速、风轮转速、桨距角和发电机转速。应用数据的散点图进行分析,发现当机组处在不同的风速段时,影响机组振动的因素不同。 展开更多
关键词 scada数据 风力发电机组 振动 相关性分析
下载PDF
基于MTF-ResNet-ViT的风电机组精细级联故障预警
19
作者 王硕 贾锋 +1 位作者 周全 符杨 《上海电力大学学报》 CAS 2024年第1期17-24,共8页
提出一种基于MTF-ResNet-ViT的风电机组(WT)精细级联故障预警方法。第1级将SCADA数据转换为马尔可夫转移场图像,利用残差网络提取故障特征,实现WT大部件状态监测和故障预警,并对故障代码数据进行标签与扩充。第2级将标签后数据灰度图像... 提出一种基于MTF-ResNet-ViT的风电机组(WT)精细级联故障预警方法。第1级将SCADA数据转换为马尔可夫转移场图像,利用残差网络提取故障特征,实现WT大部件状态监测和故障预警,并对故障代码数据进行标签与扩充。第2级将标签后数据灰度图像化后,利用视觉变换器建立故障代码预警模型,实现精细故障代码预警。实验结果表明,该方法可以有效标签和扩充故障代码数据,实现精细故障代码早期预警。 展开更多
关键词 风电机组 数据图像化 故障预警 scada数据
下载PDF
基于改进CNN和BiGRU双通道特征融合的风电机组故障诊断模型 被引量：2
20
作者 张李炜 李孝忠 《天津科技大学学报》 CAS 2023年第1期55-60,69,共7页
针对风电机组的故障诊断问题,提出一种基于改进卷积神经网络(convolutional neural network,CNN)和双向门控循环单元(bidirectional gated recurrent unit,BiGRU)双通道特征融合的风电机组故障诊断模型,该模型有别于传统的串联式结构,... 针对风电机组的故障诊断问题,提出一种基于改进卷积神经网络(convolutional neural network,CNN)和双向门控循环单元(bidirectional gated recurrent unit,BiGRU)双通道特征融合的风电机组故障诊断模型,该模型有别于传统的串联式结构,采取了并联式结构将改进的CNN和BiGRU进行结合.首先,利用批量归一化(batch normalization,BN)层代替传统CNN中的Dropout层,CNN作为第1个通道提取特征;其次,给传统BiGRU添加1个多层感知机网络,BiGRU作为第2个通道提取特征;最后,通过识别层的特征融合层将两通道连接起来,利用支持向量机代替传统的Softmax层进行故障分类.实验结果表明,相较于其他模型,该模型的准确率更高,整体效果更好. 展开更多
关键词 卷积神经网络 双向门控循环单元 scada数据 故障诊断
下载PDF
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 2 … 4 下一页 到第 页
使用帮助 返回顶部