基于深度全连接神经网络的风机叶片结冰预测方法

• 作者: 刘家瑞 张华英 李大中
• 来源期刊: 电力科学与工程
• 学科: 工学
• 关键词: 风场大数据 叶片结冰 深度学习 深度全连接神经网络
• 年，卷（期）: 2019,（4）
• 页码范围: 39-44
• 页数: 6页
• 分类号: TP183
• 字数: 4345字
• 语种: 中文
• DOI: 10.3969/j.ISSN.1672-0792.2019.04.006

摘要

我国北方地区风电机组叶片结冰问题,对机组正常安全运行会产生严重影响.为对风电机组叶片结冰状态进行有效预测,基于风场大数据,提出一种使用深度学习算法进行优化的深度全连接神经网络的风电机组叶片结冰预测算法.将处理后的数据集对深度全连接神经网络模型进行训练、测试、评价,最后将所得评价结果并与最近邻法(KNN)、支持向量机(SVM)、未使用深度学习优化算法的BP神经网络的预测结果进行对比.结果 表明,所提出的基于深度全连接网络的风电机组叶片结冰预测算法,求取精度较高,计算量少,可以对风电机组叶片结冰预测问题进行快速有效判断.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李大中	华北电力大学控制与计算机工程学院	92	613	13.0	17.0
2	刘家瑞	华北电力大学控制与计算机工程学院	4	4	1.0	2.0
3	张华英	华北电力大学控制与计算机工程学院	3	6	2.0	2.0