《计算机集成制造系统杂志》发表论文赏析

基于SCADA数据和单分类简化核极限学习机的风电机组发电机状态监测

来源:计算机集成制造系统杂志2022年第8期北京时间:

作者:金晓航, 泮恒拓, 许壮伟, 孙毅, 刘伟江

单位:1.浙江工业大学特种装备制造与先进加工技术教育部重点实验室2.浙江工业大学机械工程学院3.浙江运达风电股份有限公司

摘要:为了检测风电机组发电机异常,减少由故障引起的机组停机事件的发生,提出一种基于数据采集与监控系统(SCADA)数据分析和单分类简化核极限学习机(OC-RKELM)建模的发电机状态监测方法。首先,在风电机组SCADA数据中选取与发电机健康状态相关的特征,参照风电机组的性能特性同时结合局部异常因子算法对数据进行清洗;其次,利用机组历史正常的行为数据训练OC-RKELM模型,探明机组正常工作的行为规律,进而基于该模型在线监测发电机运行状态,当其工作异常时及时实现预警;最后,与其他单分类方法进行了对比分析,并利用t-SNE可视化技术对所提方法的分析结果进行了验证与评估。结果表明:OC-RKELM具有较好的健康状态监测效果,比其他单分类方法能更早发现风电机组发电机工作异常。

关键词:风电机组,状态监测,SCADA数据,单分类模型,极限学习机

基金资助:国家重点研发计划资助项目(2022YFE0198900);宁波市自然科学基金资助项目(2021J038)。

2022年8期其他文献查阅:

制造企业数字孪生生态系统的研究与应用

基于数字孪生的民机运行安全框架体系设计

数字孪生智慧燃气系统:概念、架构与应用

基于数字孪生的地铁列车性能评估系统

数据驱动的制造业可持续性评估

含齿根裂纹风电行星齿轮传动系统动态特性研究

谐波齿轮传动误差主频重构与双向频谱分析

基于域适应神经网络与联合分布自适应的无监督故障诊断方法

基于时间卷积注意力网络的剩余寿命预测方法

基于高阶隐半马尔科夫模型的设备剩余寿命预测

基于扩展跨阶段局部网络的表面缺陷检测

基于SCADA数据和单分类简化核极限学习机的风电机组发电机状态监测

基于多域特征联合分布适配的刀具磨损状态识别

数据驱动构造流程工业系统状态特征谱的方法

基于数据挖掘技术的钛合金铣削工艺参数优化

基于遗传算法的多点切触刀位优化算法

数控机床丝杠传动系统热误差实时补偿技术

基于最小尺寸点模型的6D位姿估计与机械臂抓取

面向大规模立体仓库货位分配问题的两阶段混合优化算法

多深度四向穿梭车仓储系统调度优化

面向产品概念设计的多模态智能交互框架及实现

众包设计平台工作者关系网络构建与分析

基于相似度匹配的突破性设想识别模型构建——以家电产品为例

基于产品参数基元网络的变更传播路径优化

参数不确定广义离散时间系统的预见控制器设计

基于第三方平台的竞争型企业多价值链网络效应模型及仿真

批发和代理模式下电商平台和制造商的联合广告决策

订单合并决策下云制造联盟收益分配问题

设置货箱缓存区的自动小车存储及取货系统订单分批拣选问题

自动化码头出口箱箱位分配优化超启发式算法

填文献完整题目 获取完整文献

填写需求
联系方式
注:学术顾问会在1小时内联系您,请留意!