風電機組低溫環(huán)境下運行存在葉片結(jié)冰問題,而實際運行過程中不同風機不同工況的運行數(shù)據(jù)具有較大差異。針對單一工況,單一模型無法滿足實際預測需求,提出一種基于遷移學習的風機葉片結(jié)冰預測方法。有效利用風機歷史數(shù)據(jù)與當前工況數(shù)據(jù)存在的相似性,輔以遷移算法實現(xiàn)相似工況的劃分,采用XGBoost對應不同工況自適應選擇出最優(yōu)特征且訓練模型,從而實現(xiàn)多工況、多模型的風機葉片結(jié)冰預測�；赟CADA系統(tǒng)采集數(shù)據(jù)的實驗結(jié)果表明,此建模方法利用21號風機大量歷史數(shù)據(jù)和15號風機少量新數(shù)據(jù)的情況下可以有效挖掘歷史數(shù)據(jù),實現(xiàn)不同工況下的快速建模。通過遷移算法后21號風機模型預測15號風機準確率提高10%,驗證了該建模方法的有效性。 

【文章來源】：傳感器與微系統(tǒng). 2020,39(12)

【文章頁數(shù)】：3 頁

【文章目錄】：
0 引言
1 相關理論
    1.1 遷移學習
    1.2 XGBoost
2 基于遷移學習的風機葉片結(jié)冰故障診斷模型
    2.1 算法描述
    2.2 建模方法
        2.2.1 原始數(shù)據(jù)預處理
        2.2.2 遷移算法
        2.2.3 特征工程
        2.2.4 模型訓練
3 實驗結(jié)果與分析
    3.1 遷移學習算法應用
    3.2 實驗對比及分析
4 結(jié)束語


【參考文獻】：
期刊論文
[1]基于棧式自編碼網(wǎng)絡的風機葉片結(jié)冰預測[J]. 劉娟,黃細霞,劉曉麗.  計算機應用. 2019(05)
[2]基于SCADA數(shù)據(jù)的風機葉片結(jié)冰檢測方法[J]. 李寧波,閆濤,李乃鵬,孔德同,劉慶超,雷亞國.  發(fā)電技術. 2018(01)
[3]遷移因子分析在齒輪箱變工況故障診斷中的應用[J]. 謝駿遙,王金江,趙銳,段禮祥,王凱.  電子測量與儀器學報. 2016(04)

碩士論文
[1]風電除冰葉片溫度場預測方法研究及應用[D]. 寧天宇.湘潭大學 2015
[2]風機葉片覆冰監(jiān)測與防冰除冰試驗研究[D]. 盧方.湖南大學 2014



本文編號：3007472