基于多特征信息融合的风电机组整机性能评估

TB472%TP391.7; 为解决风电机组单一健康状态模型可能发生误报的问题,提出一种基于信息融合的风电机组整机性能评估方法.首先改进了局部离群因子算法(LOF),用于筛选正常运行数据,使用Kendall相关系数进行参数选择,并基于深度信念网络(DBN)建立多个健康状态模型,提取实际运行数据与模型预测值的残差作为性能特征.再使用自组织映射神经网络(SOM)将残差空间映射到风电机组运行状态空间以实现信息融合,通过计算状态劣化指数来构建性能指标的方法,对风电机组进行性能评估.最后,通过实际的风电机组运行数据验证了所提方法的有效性....

Full description

Saved in:
Bibliographic Details
Published in计算机集成制造系统 Vol. 28; no. 4; pp. 1052 - 1061
Main Authors 曾天生, 刘航, 陈汉斯, 王峥, 褚学宁
Format Journal Article
LanguageChinese
Published 上海交通大学机械与动力工程学院,上海 200240%郑州航空工业管理学院管理工程学院,河南 郑州 450015 01.04.2022
Subjects
自组织映射
性能评估
风电机组
信息融合
深度信念网络
Online AccessGet full text
ISSN1006-5911
DOI10.13196/j.cims.2022.04.009

Cover

More Information
Summary:TB472%TP391.7; 为解决风电机组单一健康状态模型可能发生误报的问题,提出一种基于信息融合的风电机组整机性能评估方法.首先改进了局部离群因子算法(LOF),用于筛选正常运行数据,使用Kendall相关系数进行参数选择,并基于深度信念网络(DBN)建立多个健康状态模型,提取实际运行数据与模型预测值的残差作为性能特征.再使用自组织映射神经网络(SOM)将残差空间映射到风电机组运行状态空间以实现信息融合,通过计算状态劣化指数来构建性能指标的方法,对风电机组进行性能评估.最后,通过实际的风电机组运行数据验证了所提方法的有效性.
ISSN:1006-5911
DOI:10.13196/j.cims.2022.04.009