【摘 要】
：
风电机组的环境恶劣和工况多变导致风电机组故障频发,为了保障风电机组的可靠运行,基于数据的机组异常状态检测尤为重要.该研究提出一种基于级联深度学习预测模型的风电机组状态检测方法,首先对风电场数据采集与监视控制(supervisory control and data acquisition,SCADA)系统的数据进行预处理,并通过距离相关系数(distance cor-relation coefficient,DCC)分析选取输入参数;然后结合卷积神经网络(convolution neural networ
【机 构】
：
华北电力大学(保定)机械工程系,河北 保定 071003
论文部分内容阅读
风电机组的环境恶劣和工况多变导致风电机组故障频发,为了保障风电机组的可靠运行,基于数据的机组异常状态检测尤为重要.该研究提出一种基于级联深度学习预测模型的风电机组状态检测方法,首先对风电场数据采集与监视控制(supervisory control and data acquisition,SCADA)系统的数据进行预处理,并通过距离相关系数(distance cor-relation coefficient,DCC)分析选取输入参数;然后结合卷积神经网络(convolution neural network,CNN)和长短期神经网络(long short-term memory,LSTM)建立观测参数与目标参数之间的逻辑关系,通过均方根误差(root mean square error,RMSE)和样本熵(sample entropy,SE)对齿轮箱轴承温度预测残差进行分析,监测齿轮箱轴承温度异常变化;最后以华北某风场的SCADA数据进行算例验证,结果表明该方法能够准确检测到齿轮箱轴承温度异常,提前发现风电机组的早期故障,为风电机组安全可靠运行提供重要价值.
其他文献
2021年11月4日,由上海市人民政府与交通运输部联合主办的首届北外滩国际航运论坛开幕式和主论坛在上海北外滩国际会客厅举办,论坛主题是“开放包容,创新变革,合作共赢——面向未来的国际航运业发展与重构”,论坛聚焦未来国际航运业的发展,开展深入的交流探讨.
提出了一种能够解决高阶异构集群系统输出时变编队跟踪问题的控制方法.集群系统中的智能体分为领导者和跟随者,领导者和跟随者的动力学模型可以完全不同.跟随者的输出在跟踪领导者输出的同时保持时变编队实现协同运动.考虑了领导者存在已知或未知控制输入、领导者和跟随者均存在未知扰动、有向通信拓扑存在切换等多种因素并存的情况,结合观测器理论、自适应控制理论和滑模控制理论设计了完全分布式的输出时变编队跟踪控制协议,摆脱了对领导者控制输入上界值、与通信拓扑相关的拉普拉斯矩阵的特征值以及时变编队函数等全局信息的依赖.利用Lya
本文研究了分布式控制策略下直流微电网的负荷分配和电压平衡问题.给出一种新的基于分布式策略的下垂控制器设计方法,能够在统一的框架下实现直流微电网负载共享和电压平衡.首先,将直流微电网的负载共享和电压平衡问题转化为多目标优化问题,其性能指标与微源的容量密切相关.然后,通过求解多目标优化问题获得实现负载共享和电压平衡的集中式控制策略,并给出下垂控制器的设计方法.为了降低系统的通信负担,给出一种新的只需与邻居节点交换信息的分布式控制策略,通过理论分析可知该分布式控制策略能够收敛到多目标优化问题的最优解.最后,通过
一直以来,各种推荐系统关注于如何挖掘用户与物品特征间的潜在关联,特征信息的充分利用有利于用户到物品的精准匹配.基于矩阵分解和分解机的推荐算法是该领域的主流,前者学习用户历史行为而后者分析对象特征关系,但都难以兼顾用户行为与个体特征.而近年来,深度神经网络凭借其强大的特征学习能力和灵活可变的结构被应用到了推荐系统领域.鉴于此,本文提出了一种基于注意力机制的协同卷积动态推荐网络(Attentionbased collaborative convolutional dynamic network,ACCDN),
随机配置网络(Stochastic configuration networks,SCNs)在增量构建过程引入监督机制来分配隐含层参数以确保其无限逼近特性,具有易于实现、收敛速度快、泛化性能好等优点.然而,随着数据量的不断扩大,SCNs的建模任务面临一定的挑战性.为了提高神经网络算法在大数据建模中的综合性能,本文提出了一种混合并行随机配置网络(Hybrid parallel stochastic configuration networks,HPSCNs)架构,即:模型与数据混合并行的增量学习方法.所提方
智能电网中的隐匿虚假数据入侵(False data injection,FDI)攻击能够绕过坏数据检测机制,导致控制中心做出错误的状态估计,进而干扰电力系统的正常运行.由于电网系统具有复杂的拓扑结构,故基于传统机器学习的攻击信号检测方法存在维度过高带来的过拟合问题,而深度学习检测方法则存在训练时间长、占用大量计算资源的问题.为此,针对智能电网中的隐匿FDI攻击信号,提出了基于拉普拉斯特征映射降维的神经网络检测学习算法,不仅降低了陷入过拟合的风险,同时也提高了隐匿FDI攻击检测学习算法的泛化能力.最后,在I
本文针对含光伏(Photovoltaic,PV)、全钒液流电池(Vanadium redox battery,VRB)储能装置与多类型柔性负荷的工业园区主动配电系统,研究在考虑源荷随机性情况下该系统的动态经济调度问题.首先,将PV出力、多类型负荷需求和电网调峰需求的随机动态变化近似描述为连续马尔科夫过程,并根据系统内VRB的充放电特性对储能系统进行建模;然后,以各决策时刻下PV出力、负荷需求、调峰需求以及储能荷电状态(State of charge,SOC)的离散等级为状态,以储能充放电及多类型柔性负荷调
针对机械撞击式火工冲击环境试验中需要反复调试以实现试验条件等问题,提出了一种机械撞击式冲击环境模拟装置并研究了装置的调节参数对冲击环境的影响规律.设计了一套采用轻气炮加载并具有多调节参数的冲击环境模拟装置.采用冲击试验和数值仿真相结合研究了装置的调节参数,如轻气炮气室压强、连接杆定位孔位置、加载板厚度等对设备安装板上的冲击响应谱(shock response spectrum,SRS)的影响规律.拟合了冲击环境与调节参数之间定量的关系式并总结了相应的表格.通过火工冲击信号在该装置上进行准确模拟验证了装置的
一体化泵闸是一种新型水环境治理设备,该设备将水泵与平板闸门一体结合,装置紧凑、构造新颖.但该设备边界约束弱、流动条件复杂,容易发生流激振动.通过三维有限元数值模拟、水动力特性及流激振动试验,系统研究了卧式表孔一体化泵闸结构不同工作条件下的静动力特性、水动力特性和流激振动特性,并采用HHT(Hilbert-Huang transform)方法对随机数据进行分析.此外,针对卧式一体化泵闸的临界工作淹没深度过高的问题,设计了三种消涡装置以降低临界淹没深度,方案三较原方案降低了58％,效果显著.
在基于深度学习的寿命预测模型中,其提取的特征的优劣需通过最终的预测精度来间接评价,特征的可解析性差.为此,提出了一种新的寿命预测特征评价指标;与经典的时间相关性、鲁棒性和单调性指标不同,该指标针对产品寿命离散程度大的特点,通过评价特征在不同样本之间的趋势一致性以表征其优劣.采用归一化与降采样方法处理数据,借助相关性公式计算同一特征在两两轴承之间的相关性值,最后取平均值获得该指标的得分.以某轴承数据集为例,分别使用提出的评价指标与经典评价指标对深度学习模型提取的信号特征进行评价与筛选,并将筛选出的特征用于轴