期刊文献+
共找到2篇文章
< 1 >
每页显示 20 50 100
采用GA-BPNN与TLS模型的风电机组异常辨识方法 被引量:11
1
作者 李泽宇 郭创新 朱承治 《电力系统自动化》 EI CSCD 北大核心 2020年第9期95-102,共8页
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... 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。 展开更多
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
在线阅读 下载PDF
风功率预测误差的TLS模型矩估计方法研究 被引量:1
2
作者 杨宏 闫晓然 +1 位作者 闫玉杰 张铁峰 《电网技术》 EI CSCD 北大核心 2018年第7期2193-2199,共7页
准确地估计风功率预测误差对电力系统的安全经济运行有十分重要的意义。大量研究表明,风功率预测误差具有不同程度的尖峰厚尾特征,在已有的研究成果中,TLS(Tlocation-scale)分布模型表现出了很好的适应性,受到了工程技术人员的关注。... 准确地估计风功率预测误差对电力系统的安全经济运行有十分重要的意义。大量研究表明,风功率预测误差具有不同程度的尖峰厚尾特征,在已有的研究成果中,TLS(Tlocation-scale)分布模型表现出了很好的适应性,受到了工程技术人员的关注。然而,常用的TLS建模方法是最大似然法,该方法不仅算法复杂,而且时间效率较差,在一些特殊的电力系统应用场景下难以使用。为了解决上述问题,给出了一个利用样本统计矩估计TLS参数的方法。该方法具有算法简单、计算快速的特点。它不仅可以单独使用,快速地得到令人满意的结果,还可以给最大似然法提供初始值,提高其计算效率。最后采用模拟数据和实际误差数据进行仿真,结果说明了论文方法的正确性和有效性。 展开更多
关键词 风功率预测误差 tls分布模型 矩估计法 最大似然法
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部