基于多变量选择的深度神经网络功率曲线建模

• 作者: 解加盈 郭鹏
• 来源期刊: 华电技术
• 学科: 工学
• 关键词: 风电机组 功率曲线 偏最小二乘法 深度神经网络 风电场 降维筛选
• 年，卷（期）: 2019,（8）
• 所属期刊栏目: 研究与开发
• 页码范围: 27-31,52
• 页数: 6页
• 分类号: TM614|TP183
• 字数: 3517字
• 语种: 中文
• DOI: 10.3969/j.issn.1674-1951.2019.08.007

摘要

风电机组功率曲线能够反映机组的发电能力,对机组历史数据进行功率曲线建模对风电场的运行管理具有重要意义.引入偏最小二乘法(PLS)在数据层面分析了机组多个变量与输出功率的相关程度,通过交叉有效性原则与投影重要性指标(VIP)对多个变量进行降维筛选,之后把最优的变量子集作为深度神经网络(DNN)的输入,最终得到功率曲线的DNN模型.以安徽某风电场风电机组数据为例,通过与其他建模方法做对比,验证了所提方法的有效性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	郭鹏	华北电力大学控制与计算机工程学院	67	813	13.0	26.0
2	解加盈	华北电力大学控制与计算机工程学院	1	1	1.0	1.0