基于麻雀搜索算法优化的改进多核极限学习机的风机叶片结冰故障诊断模型

摘要：

风机叶片结冰是风力发电中影响风电机组安全运行的常见问题,准确检测叶片结冰故障能有效提高风电场的安全性与发电效率.为提升风机叶片结冰故障诊断正确率,提出了一种基于麻雀优化改进多核极限学习机(SSA-IMKELM)的风机叶片结冰故障诊断模型.首先,将传统的多核极限学习机(MKELM)多参数的单一模型分解为3个子模型;其次,通过固定上一子模型的相关参数对子模型使用麻雀搜索算法(SSA)寻优,从而解决了单一的多参数模型寻优困难的问题;最后,设定限定条件,保证结冰故障诊断的正确率不会出现下降的问题.实验结果表明:SSA-IMKELM模型能够有效提升风机叶片结冰故障诊断正确率.

关键词：改进多核极限学习机、风机叶片结冰故障诊断、机器学习、麻雀搜索算法

所属期刊栏目：26

分类号：TP181(自动化基础理论)

资助基金：航空科学基金20200001012015

在线出版日期：2023-09-15（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：209-214