科研之友
微信
新浪微博
Facebook
分享链接
摘要
为解决风电机组单一健康状态模型可能发生误报的问题，提出一种基于信息融合的风电机组整机性能评估方法。首先改进了局部离群因子算法(LOF),用于筛选正常运行数据，使用Kendall相关系数进行参数选择，并基于深度信念网络(DBN)建立多个健康状态模型，提取实际运行数据与模型预测值的残差作为性能特征。再使用自组织映射神经网络(SOM)将残差空间映射到风电机组运行状态空间以实现信息融合，通过计算状态劣化指数来构建性能指标的方法，对风电机组进行性能评估。最后，通过实际的风电机组运行数据验证了所提方法的有效性。
- 单位
