采用GA-BPNN与TLS模型的风电机组异常辨识方法

• 作者: 朱承治 李泽宇 郭创新
• 来源期刊: 电力系统自动化
• 关键词: 风电机组 数据采集与监控系统 预测模型 TLS分布模型 异常辨识
• 年，卷（期）: 2020,（9）
• 所属期刊栏目: 学术研究
• 页码范围: 95-102
• 页数: 8页
• 字数: 6720字
• 语种: 中文
• DOI: 10.7500/AEPS20190203002

摘要

基于反向传播神经网络(BPNN)建立了风电机组状态参数预测模型,并采用遗传算法(GA)对BPNN模型的初始权重与阈值进行优化,有效消除环境因素对风电机组状态参数的影响;采用TLS(t-location scale)分布模型刻画不同风速区间下预测残差的分布特性,基于矩估计方法实现TLS分布参数估计,并在此基础上提出了计及风速影响的状态残差异常程度量化指标.以某风电场的1.5 MW双馈风电机组为例进行了异常分析,结果验证了模型的有效性和准确性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	郭创新	浙江大学电气工程学院	216	5889	43.0	69.0
2	朱承治	浙江大学电气工程学院	11	232	7.0	11.0
3	李泽宇	浙江大学电气工程学院	3	8	1.0	2.0