10.3969/j.issn.1674-3814.2024.01.016
考虑多信息融合的风电机组状态评估与预测系统开发
为降低风电机组故障发生概率,提高其可靠性,该文利用数据采集与监控系统(supervisory control and data acquisition,SCADA)检测获得的风电机组运行状态数据,通过研究多指标融合状态评价模型及其预测算法,解决风电机组状态参数评估与预测难题.结合SCADA系统结构,设计并规划风电机组状态参数评估与预测系统架构与功能;利用输出功率波动、风能利用率以及开机运行比率 3 项参数,基于阈值法,建立风电机组状态退化评价指标模型,通过主成分分析法对 3个评估标准进行权重计算,并将各指标进行信息融合,综合反应风电机组运行状态;设计Convolutional Neural Network-Long Short-Term Memory风电机组状态预测模型,实施风电场运行状态参数预测;开发风电机组状态评估与预测系统软件,验证所提方法的有效性.
风电机组、状态评估、CNN-LSTM、信息融合
40
TK83(风能、风力机械)
2024-02-01(万方平台首次上网日期,不代表论文的发表时间)
共7页
143-149