Print

基于栈式自编码网络的风机叶片结冰预测

论文摘要

针对风电机组叶片结冰严重影响风机发电效率和安全性、经济性的问题,提出一种基于SCADA数据的栈式自编码（SAE）网络叶片结冰早期预测模型。该模型采用编码-解码的非监督方法对无标签的数据集预训练,再利用反向传播算法对有标签的数据集进行训练微调,实现了故障特征的自适应提取和状态分类,有效降低了传统预测模型的复杂度,同时避免了人为特征提取对模型效果的影响。利用SCADA系统采集的某15号风机的历史数据进行训练和测试,该模型测试结果准确率为97.28%。与支持向量机（SVM）和主成分分析-支持向量机（PCA-SVM）方法得到的建模分别为91%和93%的准确率进行对比分析,实验结果表明,基于栈式自编码网络的风机叶片结冰预测模型精确度更高。

论文目录

  • 0 引言
  • 1 基于栈式自编码网络的方法
  •   1.1 简单自编码网络
  •   1.2 栈式自编码网络
  •   1.3 预训练和微调
  •   1.4 Adam优化算法
  • 2 基于SAE的故障诊断模型
  • 3 SCADA数据实例分析
  •   3.1 数据处理
  •   3.2 模型参数的设定
  •   3.3 实验结果
  • 4 结语

    • 文章来源

    类型: 期刊论文

    作者: 刘娟,黄细霞,刘晓丽

    关键词: 风机叶片结冰预测,栈式自编码,深度学习,预测模型

    来源: 计算机应用 2019年05期

    年度: 2019

    分类: 信息科技,工程科技Ⅱ辑

    专业: 电力工业

    单位: 航运技术与控制工程交通部重点实验室(上海海事大学)

    基金: 国家自然科学基金资助项目(61304186)~~

    分类号: TM315

    页码: 1547-1550

    总页数: 4

    文件大小: 546K

    下载量: 282

    相关论文文献

    本文来源: https://www.lunwen66.cn/article/be8b7e663cddb29641fd590b.html