基于FISSA?DBN模型的风电机组运行状态监测

摘要：

为提高风电机组运行效率,降低风电场运营成本,对风电机组运行状态监测显得尤为重要,提出一种基于数据采集与监控(supervisory control and data acquisition,简称SCADA)系统和萤火虫改进麻雀搜索算法优化深度置信网络(firefly improved sparrow search algorithm optimized deep belief network,简称FISSA?DBN)的风电机组状态监测新方法.首先,对SCADA数据进行预处理分析,并利用专家系统和皮尔逊相关系数分析,相关分析选取输入参数和输出参数;其次,利用预处理数据集建立基于FISSA?DBN的风电机组运行状态监测新模型,根据模型预测值和实际输出值之间的重构值误差,以及指数加权移动平均阈值(exponentially weighted moving average,简称EWMA)判断是否有异常;最后,以华东某风电场实际数据为例进行实例验证.结果表明,所提出方法的预警时间比实际记录时间最早可提前4 d多.同时,将所提出方法与其他方法进行对比,结果表明该方法预警时间提前,模型预测误差更小.

关键词：风电机组、深度置信网络、状态监测、麻雀搜索算法、指数加权移动平均阈值

所属期刊栏目：43

分类号：TM315;TK83(电机)

资助基金：国家自然科学基金;国家自然科学基金;湖南省自然科学基金资助项目

在线出版日期：2023-03-07（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：80-87