10.3969/j.issn.1000-3886.2020.01.019
基于PCA-NAR神经网络的风电机组健康趋势评估
为了提高风电机组的实时可靠性,避免维修不足及维修过剩问题,降低风场运维成本,基于监控与数据采集(supervisory control and data acquisition,SCADA)系统得出的监测数据,应用主元评价和非线性自回归(non-linear auto-regressive,NAR)时间序列神经网络,通过建立评价及预测模型.通过实际数据验证模型有效性.结果 表明:采用PCA-NAR的方法对风电机组的健康状况进行评估及预测有较好的效果,有助于帮助风场运营人员提前识别故障趋势并作出具体决策,以免机组遭受更为严重的故障.
风电机组、工况划分、主元分析、非线性自回归神经网络、预测
42
TM614(发电、发电厂)
国家重点研发计划2016YFF0203400
2020-04-20(万方平台首次上网日期,不代表论文的发表时间)
共4页
64-66,91