-
题名基于动态集群的风电机组异常状态检测方法
被引量：1
- 1
-
-
作者
于华楠
李靖雨
王鹤
李石强
边竞
-
机构
东北电力大学现代电力系统仿真控制与绿色电能新技术教育部重点实验室
-
出处
《电力自动化设备》
北大核心
2025年第3期64-71,94,共9页
-
基金
吉林省科技发展计划项目(20220203163SF)。
-
文摘
针对风电机组异常状态的检测问题,提出了考虑相似机组运行状态的风电机组异常检测方法。基于滑动时窗和K-means聚类算法对风电机组运行数据进行分析,提出了风电机组动态集群方法,进而建立了考虑时空相关性的风电机组集群。提出基于自适应权重与Levy飞行策略的北方苍鹰优化(WLNGO)算法;利用五折交叉验证(5CV)改进WLNGO算法,得到WLNGO-5CV算法,并利用该算法对核极限学习机(KELM)的超参数进行优化,进一步提出WLNGO-5CV-KELM回归模型。结合滑动时窗对相似机组预测残差进行统计分析得到实时预警阈值,消除了工况等因素对风电机组的影响,能够对目标风电机组进行可靠的异常检测。通过对中国东北某风电场的实际数据进行仿真分析,验证了所提方法的有效性和准确性。
-
关键词
风电机组
wlngo-5cv-kelm回归模型
时空相关性
动态集群
异常状态监测
数据采集与监控系统
-
Keywords
wind turbines
wlngo-5cv-kelm regression model
spatio-temporal correlation
dynamic clustering
abnormal state detection
supervisory control and data acquisition system
-
分类号
TM315
[电气工程—电机]
-
