典型文献
基于运行规律和TICC算法的风电SCADA高维时序数据聚类方法
文献摘要：
针对大型风力发电机组高维SCADA时序数据的工况识别问题,结合风电机组运行规律和TICC算法,提出一种自动分割聚类方法.从高维的SCADA数据中选取风速、转速和桨距角等少量特定参数作为初始分割聚类对象,分析特定参数的运行规律,确定风电机组理论的运行工况.选取一段特定参数的历史数据,利用TICC算法进行离线聚类分割,获得聚类的最优特征参数.将最优特征参数作为TICC算法的输入,对新的特定参数时间序列数据进行分类.最后根据特定参数时间序列的聚类结果,对未进行分割的SCADA时序数据进行聚类处理.选取某2.5 MW双馈风电机组的SCADA时间序列数据对方法进行验证,同时将所提出的方法与FCM算法、GMM算法、K-Means算法进行对比研究.实例验证和对比研究表明,所提的聚类方法充分融合理论知识和TICC算法的优点,可高效处理高维SCADA聚类分割问题,同时保证聚类结果与理论分析结果一致性.
文献关键词：
风电机组;SCADA数据;TICC算法;时间序列聚类
中图分类号：
作者姓名：
肖钊;邓杰文;刘晓明;段书用;许守亮
作者机构：
湖南科技大学机电工程学院 湘潭 411201;省部共建电工装备可靠性与智能化国家重点实验室(河北工业大学) 天津 300401;华电郑州机械设计研究院有限公司 郑州 450046
文献出处：
引用格式：
[1]肖钊;邓杰文;刘晓明;段书用;许守亮-.基于运行规律和TICC算法的风电SCADA高维时序数据聚类方法)[J].机械工程学报,2022(23):196-207
A类：
TICC
B类：
运行规律,SCADA,高维,时序数据聚类,聚类方法,风力发电机组,工况识别,风电机组运行,自动分割,分割聚类,取风,桨距角,运行工况,历史数据,离线,聚类分割,优特,时间序列数据,MW,双馈风电机组,FCM,GMM,Means,充分融合,融合理论,高效处理,结果一致性,时间序列聚类
AB值：
0.270324
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
