基于自组织神经网络的火电厂健康状态数据提取算法

• 作者: 吴胜聪 沈可心 程浩轩 陈雨轩
• 来源期刊: 电工电气
• 学科: 工学
• 关键词: 大数据 自组织神经网络 R型聚类 电力设备状态数据
• 年，卷（期）: 2019,（9）
• 所属期刊栏目: 设计与研究
• 页码范围: 27-32
• 页数: 6页
• 分类号: TM621
• 字数: 3962字
• 语种: 中文
• DOI: 10.3969/j.issn.1007-3175.2019.09.006

摘要

火电厂设备健康数据提取是火电厂设备状态评估数据处理的一个关键步骤,有利于提高设备状态评估的准确性与效率.将设备状态数据首先利用R型层次聚类进行特征参数选取与冗余数据清除,再采用自组织神经网络筛选异常值.利用所诉方法对某发电厂的汽泵前置泵设备的监测数据进行健康状态数据提取,发现清除的异常数据远远大于提取出的健康数据,表明该方法清除的数据满足预期,为后续健康状态评估提供了准确的参照数据,并且降低监测数据维度提高评估效率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	吴胜聪	三峡大学电气与新能源学院	10	6	1.0	1.0
2	陈雨轩	三峡大学电气与新能源学院	4	2	1.0	1.0
3	程浩轩	三峡大学电气与新能源学院	2	1	1.0	1.0
4	沈可心	三峡大学电气与新能源学院	2	0	0.0	0.0