文档摘要：风电机组数据的复杂多变导致所采集数据的数据特征之间深度冗余.数据特征深度冗余导致常规预测模型容易陷入局部最优,进而使模型预测精度较低.为提高齿轮箱油温预测精度,首先,采用随机森林进行特征提取,利用改进的自适应噪声集合经验模态分解对选定的特征数据进行分解,使用主成分分析法对数据进行降维处理;然后,运用雪消融优化算法来搜索长短期记忆递归神经网络模型最佳超参数设置.实验结果证明,该方法可以有效提高齿轮箱油温异常预警模型的精度.
Abstract：Thecomplexityofwindturbinedataleadstodeepredundancyamongthedatafeatures.Thedeepredundancyofdatafeaturesmakestheconventionalforecastingmodeleasytofallintolocaloptimum,andthenmakestheforecastingprecisionlower.Inordertoimprovethepredictionaccuracyofgearboxoiltemperature,firstly,randomforestisusedforfeatureextraction,andtheselectedfeaturedataaredecomposedbyimprovedadaptivenoiseensembleempiricalmodedecomposition,andprincipalcomponentanalysis(PCA)isusedtoreducethedimensionalityofthedata.Then,thesnowablationoptimizationalgorithmisusedtosearchfortheoptimalhyperparametersettingsofthelongshort-termmemoryrecurrentneuralnetworkmodel.Theexperimentalresultsshowthatthismethodcaneffectivelyimprovetheaccuracyoftheoiltemperatureanomalywarningmodelofthegearbox.
作者：马永光 谭川Author：MAYongguang TANChuan
作者单位：华北电力大学自动化系,河北保定071003
刊名：电力科学与工程
Journal：ElectricPowerScienceandEngineering
年，卷(期)：2024, 40(6)
分类号：TM315
关键词：风电机组 雪消融算法 齿轮箱 故障预警
Keywords：windturbines snowmeltingalgorithm gearbox faultwarning
机标分类号：TP391.41TN919.81F275
在线出版日期：2024年7月19日
基金项目：基于雪消融算法优化长短时网络的齿轮箱油温预警方法[
期刊论文] 电力科学与工程--2024, 40(6)马永光 谭川风电机组数据的复杂多变导致所采集数据的数据特征之间深度冗余.数据特征深度冗余导致常规预测模型容易陷入局部最优,进而使模型预测精度较低.为提高齿轮箱油温预测精度,首先,采用随机森林进行特征提取,利用改进的自适应...参考文献和引证文献
参考文献
引证文献
本文读者也读过
相似文献
相关博文
关键词：风电机组,雪消融算法,齿轮箱,故障预警,
|
|
