-
题名基于RBM和SVM的风电机组叶片开裂故障预测
被引量：27
- 1
-
-
作者
张鑫
徐遵义
何慧茹
王飞
-
机构
山东建筑大学计算机科学与技术学院
国网瑞盈电力科技(北京)有限公司
-
出处
《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
-
基金
山东省重点研发计划项目资助(2016GGX101024)
中国华电集团有限公司2019年度科技项目资助(CHDKJ18-02-52)。
-
文摘
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。
-
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
-
Keywords
wind turbine
blade cracking fault
SCADA data
restricted boltzmann machine
support vector machine
-
分类号
TM315
[电气工程—电机]
-
-
题名配电网数据质量提升与数据修复系统开发研究
被引量：13
- 2
-
-
作者
王飞
辛海松
胡丽娟
陈佳仪
-
机构
国网瑞盈电力科技(北京)有限公司
中国电力科学研究院有限公司
山东大学威海分校
-
出处
《电网与清洁能源》
2019年第3期58-61,67,共5页
-
基金
国家电网公司科技项目（EPRIPDKJ[2014]3763号）~~
-
文摘
针对配电网数据质量提升与数据修复系统存在的修复后数据与原数据相差较大、无法保证数据的准确性和完整性问题,提出基于RDIR算法的配电网数据质量提升与数据修复系统开发方法,通过对系统设计需求进行分析,确定系统的模块,为实现系统模块,设计由存储服务器、管理服务器以及Moss代理服务中心组成的系统,为保证系统对数据修复的效果,引入RDIR算法,对配电网数据,通过计算操作与数据对象之间的偏序关系,对需要修复的数据,利用已知的恶意事务位置以及执行序列,对改进的RDIR算法进行构建,从而实现数据修复系统的开发,提高配电网数据质量.实验结果表明,所提方法设计的系统能够降低数据中的噪声,且修复后数据与原数据相差较小,在保证数据的完整性的同时保证数据的可靠性.
-
关键词
配电网
质量提升
数据修复
系统开发
-
Keywords
distribution network
quality improvement
data restoration
system development
-
分类号
TM727
[电气工程—电力系统及自动化]
-
