文献类型：期刊文章

作　　者：梁涛[1] 钱思琦[1] 姜文[2] 龚思远[2]

LIANG Tao;QIAN Si-qi;JIANG Wen;GONG Si-yuan(College of Artificial Intelligence and Data Science,Hebei University of Technology,Tianjin 300130,China;Hebei Construction Investment Energy Investment Co.Ltd,Shijiazhuang 050000,China)

机构地区：[1]河北工业大学人工智能与数据科学学院,天津300130 [2]河北建投能源投资股份有限公司,河北石家庄050000

出　　处：《控制工程》

基　　金：河北省科技计划项目(19210108D);石家庄科技局重点研发项目(181060481A)。

年　　份：2020

卷　　号：27

期　　号：8

起止页码：1317-1323

语　　种：中文

收录情况：BDHX、BDHX2017、CSCD、CSCD_E2019_2020、JST、ZGKJHX、核心刊

摘　　要：为充分利用集控中心风机(Supervisory Control and Data Acquisition,SCADA)系统采集的数据,采用智能化的机器学习算法,挖掘集控中心海量数据,提出基于机组运行状态特征参量数据挖掘和支持向量回归算法(Support Vactor Regression,SVR)结合的机组状态监测模型。该模型采用基于灰色关联度算法构建风电机组特征参量,然后建立SVR数据模型,模型以机组功率、叶轮转速、桨距角为输出向量,特征参量为模型的输入向量,采用遗传算法结合交叉验证方法对SVR模型参数寻优,并对距离阈值进行分析。最后,将模型应用于某实际风场,验证了该模型的可行性和有效性。

关 键 词：SCADA 风机 灰色关联度  SVR 状态监测  

分 类 号：TP18]