基于量子进化在线序贯极限学习机的变桨系统故障检测

• 作者: 李强 张宇献
• 来源期刊: 太阳能学报
• 学科: 工学
• 关键词: 风电机组 故障检测 状态监测 变桨系统 在线序贯极限学习机 量子进化算法
• 年，卷（期）: 2022,（1）
• 页码范围: 44-51
• 页数: 8页
• 分类号: TP273
• 语种: 中文
• DOI: 10.19912/j.0254-0096.tynxb.2020-0121

摘要

针对复杂工况下风电机组变桨系统故障检测问题,采用在线序贯极限学习机建立变桨系统状态监测模型,利用ReliefF算法进行模型的特征选择,通过量子进化算法优化在线序贯极限学习机的超参数集,并引入马氏距离函数计算变桨系统状态监测模型的残差,判断风电机组变桨系统的异常.以辽宁某风电场1.5 MW双馈风电机组变桨系统为例,将所提出的模型分别与粒子群优化极限学习机、粒子群优化支持向量机、随机权神经网络、极限学习机和反向传播神经网络模型进行对比,结果表明所提出的模型精度优于其他模型,所提方法的故障检测正确率高于3σ阈值法和核主成分分析方法.