| 采用GA-BPNN与TLS模型的风电机组异常辨识方法 |
| |
| 引用本文： | 李泽宇,郭创新,朱承治.采用GA-BPNN与TLS模型的风电机组异常辨识方法[J].电力系统自动化,2020,44(9):95-102. |
| |
| 作者姓名： | 李泽宇 郭创新 朱承治 |
| |
| 作者单位： | 浙江大学电气工程学院，浙江省杭州市 310027 |
| |
| 基金项目： | 国家重点研发计划资助项目（2017YFB0902600）；国家自然科学基金资助项目（51877190）；国家电网公司科技项目（52110418000T）。 |
| |
| 摘 要： | 基于反向传播神经网络(BPNN)建立了风电机组状态参数预测模型,并采用遗传算法(GA)对BPNN模型的初始权重与阈值进行优化,有效消除环境因素对风电机组状态参数的影响;采用TLS(t-location scale)分布模型刻画不同风速区间下预测残差的分布特性,基于矩估计方法实现TLS分布参数估计,并在此基础上提出了计及风速影响的状态残差异常程度量化指标。以某风电场的1.5 MW双馈风电机组为例进行了异常分析,结果验证了模型的有效性和准确性。
|
| 关 键 词： | 风电机组 数据采集与监控系统 预测模型 TLS分布模型 异常辨识 |
| 收稿时间： | 2019/2/3 0:00:00 |
| 修稿时间： | 2019/10/6 0:00:00 |
Anomaly Identification Method of Wind Turbine Based on Genetic Algorithm-Back Propagation Neural Network and t-location Scale Model |
| |
| LI Zeyu,GUO Chuangxin,ZHU Chengzhi.Anomaly Identification Method of Wind Turbine Based on Genetic Algorithm-Back Propagation Neural Network and t-location Scale Model[J].Automation of Electric Power Systems,2020,44(9):95-102. |
| |
| Authors: | LI Zeyu GUO Chuangxin ZHU Chengzhi |
| |
| Affiliation: | College of Electrical Engineering, Zhejiang University, Hangzhou 310027, China |
| |
| Abstract: | |
| |
| Keywords: | |
| 本文献已被 CNKI 等数据库收录！ |
| 点击此处可从《电力系统自动化》浏览原始摘要信息 |
|
点击此处可从《电力系统自动化》下载全文 |
