论文部分内容阅读
本文选取SCADA运行数据中的13个变量,利用K均值聚类算法将运行数据分类,并分析每个类的数据特征,主要从大部件亚健康限功率运行和功率曲线变差两方面分析标记影响风电机组发电性能的异常数据类。将标记后的数据类作为BP神经网络模型的训练样本,建立发电性能异常状态识别预警模型,当机组在运行过程中出现异常类预警时,针对不同的异常特征类,可以有针对性的给出性能优化提升措施。