简介概要

基于SCADA和支持向量回归的风机状态监测

来源期刊:控制工程2020年第8期

论文作者:梁涛 钱思琦 姜文 龚思远

文章页码:1317 - 1323

关键词:SCADA;风机;灰色关联度;SVR;状态监测;

摘    要:为充分利用集控中心风机(Supervisory Control and Data Acquisition, SCADA)系统采集的数据,采用智能化的机器学习算法,挖掘集控中心海量数据,提出基于机组运行状态特征参量数据挖掘和支持向量回归算法(SupportVactorRegression,SVR)结合的机组状态监测模型。该模型采用基于灰色关联度算法构建风电机组特征参量,然后建立SVR数据模型,模型以机组功率、叶轮转速、桨距角为输出向量,特征参量为模型的输入向量,采用遗传算法结合交叉验证方法对SVR模型参数寻优,并对距离阈值进行分析。最后,将模型应用于某实际风场,验证了该模型的可行性和有效性。

详情信息展示

基于SCADA和支持向量回归的风机状态监测

梁涛1,钱思琦1,姜文2,龚思远2

1. 河北工业大学人工智能与数据科学学院2. 河北建投能源投资股份有限公司

摘 要:为充分利用集控中心风机(Supervisory Control and Data Acquisition, SCADA)系统采集的数据,采用智能化的机器学习算法,挖掘集控中心海量数据,提出基于机组运行状态特征参量数据挖掘和支持向量回归算法(SupportVactorRegression,SVR)结合的机组状态监测模型。该模型采用基于灰色关联度算法构建风电机组特征参量,然后建立SVR数据模型,模型以机组功率、叶轮转速、桨距角为输出向量,特征参量为模型的输入向量,采用遗传算法结合交叉验证方法对SVR模型参数寻优,并对距离阈值进行分析。最后,将模型应用于某实际风场,验证了该模型的可行性和有效性。

关键词:SCADA;风机;灰色关联度;SVR;状态监测;

<上一页 1 下一页 >

有色金属在线官网  |   会议  |   在线投稿  |   购买纸书  |   科技图书馆

中南大学出版社 技术支持 版权声明   电话:0731-88830515 88830516   传真:0731-88710482   Email:administrator@cnnmol.com

互联网出版许可证:(署)网出证(京)字第342号   京ICP备17050991号-6      京公网安备11010802042557号