采用GA-BPNN与TLS模型的风电机组异常辨识方法

摘要：

基于反向传播神经网络(BPNN)建立了风电机组状态参数预测模型,并采用遗传算法(GA)对BPNN模型的初始权重与阈值进行优化,有效消除环境因素对风电机组状态参数的影响;采用TLS(t-location scale)分布模型刻画不同风速区间下预测残差的分布特性,基于矩估计方法实现TLS分布参数估计,并在此基础上提出了计及风速影响的状态残差异常程度量化指标.以某风电场的1.5 MW双馈风电机组为例进行了异常分析,结果验证了模型的有效性和准确性.

关键词：风电机组、数据采集与监控系统、预测模型、TLS分布模型、异常辨识

所属期刊栏目：44

资助基金：国家重点研发计划资助项目;国家自然科学基金资助项目;国家电网公司科技项目

在线出版日期：2020-05-21（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：95-102