融合多时段SCADA数据的风电机组风险态势预测
针对传统风电机组静态评估较难准确反映出整机状态的问题,在缺乏历史故障数据支撑的场景下,综合考虑风电机组数据采集与监控(SCADA)系统的历史记录、当前状态以及运行趋势等多时段信息,基于风险的思想开展风电机组态势预测.采用长短期记忆网络构建有功功率短期预测模型,以有功功率预测残差量化风险状态严重度;利用模糊C均值算法构建机组风险状态严重度离群点模型,划分风险状态严重度等级;在此基础上,基于马尔科夫链的状态转移模型,预测机组当前风险状态严重度等级和潜在趋势.以新疆某风场的2MW风电机组为例,验证所提方法的合理性与有效性.
风电机组;长短期记忆网络;风险态势;聚类;数据采集与监控
27
TH17;TP391
国家自然科学基金资助项目71961029,51565055,51666017
2021-11-17(万方平台首次上网日期,不代表论文的发表时间)
共12页
1993-2004