典型文献
风电机组故障的宽度学习诊断模型
文献摘要：
有效的故障诊断方法不仅能快速、准确地分辨风电机组的故障类型,还能降低风电场运行维护成本.故障诊断方法所需要的相关数据均来自于风电场监控与数据采集系统(SCADA),当数据规模庞大时,浅层神经网络和深度神经网络模型会遇到权重调整耗时间、容易陷入局部最优解的问题.文章提出了一种基于宽度学习系统的风电机组故障诊断模型.首先,对风电场SCADA数据进行预处理,特征选择后构成故障样本集;然后,利用BLS诊断模型对这些故障样本进行分类.实验结果表明,与BP,SVM,ELM,DBN诊断模型相比,BLS诊断模型有效提高了风电机组故障诊断的准确率.
文献关键词：
宽度学习;故障诊断;风电机组;安全运行
中图分类号：
作者姓名：
郭宏宇;霍志红;许昌;吾买尔·吐尔逊;周华建;程志明
作者机构：
河海大学 能源与电气学院, 江苏 南京 211100;新疆农业大学 水利与土木工程学院, 新疆 乌鲁木齐830052;河海大学 水利水电学院, 江苏 南京 210098
文献出处：
引用格式：
[1]郭宏宇;霍志红;许昌;吾买尔·吐尔逊;周华建;程志明-.风电机组故障的宽度学习诊断模型)[J].可再生能源,2022(05):634-638
A类：
B类：
风电机组,学习诊断,故障诊断方法,故障类型,风电场,运行维护成本,数据采集系统,SCADA,浅层神经网络,深度神经网络模型,会遇,权重调整,耗时间,局部最优解,宽度学习系统,故障诊断模型,特征选择,样本集,BLS,ELM,DBN
AB值：
0.276506
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。
