基于MIC-LSTM与CKDE的风电机组机舱温度区间预测

• 作者: 宋子秋 程逸 胡阳 马素玲
• 来源期刊: 智慧电力
• 学科: 工学
• 关键词: 风机机舱温度 最大信息系数 长短时记忆 条件核密度估计 不确定性区间预测
• 年，卷（期）: 2020,（7）
• 所属期刊栏目: 智慧电力安全
• 页码范围: 16-23
• 页数: 8页
• 分类号: TM614
• 字数: 6045字
• 语种: 中文

摘要

风电安全技术的发展在新能源生产安全中具有重要意义.风力发电机组机舱温度预测可提前发现机舱温度的异常变化,为监测和控制系统提供温度预警信号,从而保障内部设备安全稳定运行.提出基于最大信息系数(MIC)的变量筛选方法,选取与机舱温度相关性较高的变量作为输入变量,然后基于长短时记忆(LSTM)网络建立了多变量机舱温度单点预测模型,通过与其它3类预测模型的性能对比表明了所提方法精度更高;基于LSTM网络模型的预测结果及其误差数据集,采用条件核密度估计(CKDE)法建立了不同置信度下机舱温度预测值的波动区间,依据具体实例验证了不确定性区间预测模型的有效性和可靠性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	胡阳	华北电力大学控制与计算机工程学院	18	72	4.0	8.0
2	宋子秋	华北电力大学控制与计算机工程学院	2	14	1.0	2.0
3	程逸	华北电力大学控制与计算机工程学院	1	0	0.0	0.0
4	马素玲		1	0	0.0	0.0