典型文献
基于多尺度排列熵和极限学习机的风机叶片覆冰故障检测方法
文献摘要：
针对风机叶片结冰故障检测中状态数据维度高和检测率低的问题,提出1种使用功率数据驱动的多尺度排列熵(multi-scale permutation entropy,MPE)和极限学习机(extreme learning machine,ELM)的风机叶片结冰故障检测方法.首先,使用多尺度排列熵提取功率数据的多重尺度特征,得到特征向量;随后,采用极限学习机,结合环境温度,对结冰故障进行检测;最后,通过使用某风电场的数据采集与监视控制系统(supervisory control and data acquisition,SCADA)对数据进行仿真.研究结果表明:所提方法的故障检测率达到100％,同时虚警率仅有0.14％,表明所提方法在风机叶片的覆冰故障检测中的有效性.研究结果可为风机叶片覆冰故障检测提供1种有效方法.
文献关键词：
风电机组;数据不平衡;多尺度排列熵;极限学习机;叶片覆冰
中图分类号：
作者姓名：
佘应森;李鹏;梁俊宇;杨家全
作者机构：
云南大学 信息学院,云南 昆明650500;云南省高校物联网技术及应用重点实验室,云南 昆明650500;云南电网有限责任公司 电力科学研究院,云南 昆明650217
文献出处：
引用格式：
[1]佘应森;李鹏;梁俊宇;杨家全-.基于多尺度排列熵和极限学习机的风机叶片覆冰故障检测方法)[J].中国安全生产科学技术,2022(12):19-25
A类：
B类：
多尺度排列熵,极限学习机,风机叶片,叶片覆冰,故障检测方法,叶片结冰,状态数据,数据维度,multi,scale,permutation,entropy,MPE,extreme,learning,machine,ELM,尺度特征,特征向量,合环,风电场,数据采集与监视控制系统,supervisory,control,data,acquisition,SCADA,故障检测率,虚警率,风电机组,数据不平衡
AB值：
0.306547
相似文献
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。
