基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
风电机组运行过程中,一些故障导致设备状态发生改变,状态的改变发生在一个持续的时间序列中,找到变化点的时间对于故障回溯及根本原因分析具有重要价值.该文研究风电信号及状态时序变化的特点,引入统计学中的Change-Point算法,通过划分不同置信区间求取置信度方法解决奇异变点的不确定度问题.通过实验对算法进行验证,得出以下结论:Change-Point算法能够有效挖掘到历史数据中的一维及二维模型数据的变化,并给出变点;Change-Point算法思想是挖掘出数据本身的规律性,不受其他条件限制,因此可广泛应用于风电机组数据采集与监视控制(supervisory control and data acquisition,SCADA)系统变量数据挖掘中的问题回溯,快速定位SCADA数据状态变化点.
推荐文章
基于人工智能的电商大数据分类与挖掘算法
数据挖掘
数据分类
电商大数据
人工智能
Spark架构
仿真验证
基于数据挖掘算法的用户窃电嫌疑分析
窃电分析
Hadoop
数据挖掘
BP神经网络
基于数据挖掘的聚类算法研究
聚类
数据挖掘
支持向量聚类
数据挖掘算法研究
数据挖掘
关联规则
分类算法
聚类算法
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于Change-Point的风电数据挖掘算法研究
来源期刊 太阳能学报 学科 工学
关键词 数据挖掘 数据采集与监视控制(SCADA)系统 风电机组 Change-Point 置信度
年,卷(期) 2020,(5) 所属期刊栏目
研究方向 页码范围 136-141
页数 6页 分类号 TK83
字数 语种 中文
DOI
五维指标
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (45)
共引文献  (143)
参考文献  (9)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
1971(1)
  • 参考文献(1)
  • 二级参考文献(0)
1980(1)
  • 参考文献(1)
  • 二级参考文献(0)
1987(1)
  • 参考文献(1)
  • 二级参考文献(0)
1996(1)
  • 参考文献(0)
  • 二级参考文献(1)
1998(1)
  • 参考文献(0)
  • 二级参考文献(1)
2003(3)
  • 参考文献(1)
  • 二级参考文献(2)
2004(1)
  • 参考文献(0)
  • 二级参考文献(1)
2006(1)
  • 参考文献(0)
  • 二级参考文献(1)
2007(2)
  • 参考文献(0)
  • 二级参考文献(2)
2008(2)
  • 参考文献(0)
  • 二级参考文献(2)
2009(14)
  • 参考文献(1)
  • 二级参考文献(13)
2010(10)
  • 参考文献(0)
  • 二级参考文献(10)
2011(4)
  • 参考文献(1)
  • 二级参考文献(3)
2012(1)
  • 参考文献(0)
  • 二级参考文献(1)
2013(4)
  • 参考文献(1)
  • 二级参考文献(3)
2014(5)
  • 参考文献(1)
  • 二级参考文献(4)
2015(1)
  • 参考文献(0)
  • 二级参考文献(1)
2016(1)
  • 参考文献(1)
  • 二级参考文献(0)
2020(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
研究主题发展历程
节点文献
数据挖掘
数据采集与监视控制(SCADA)系统
风电机组
Change-Point
置信度
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
太阳能学报
月刊
0254-0096
11-2082/TK
大16开
北京市海淀区花园路3号
2-165
1980
chi
出版文献量(篇)
7068
总下载数(次)
14
论文1v1指导