典型文献
基于MIC-LSTM的风电机组温度信号融合与预测方法
文献摘要：
为解决风电机组齿轮箱工作状态监测问题,提出一种基于LSTM神经网络的齿轮箱油温预测方法.通过MIC相关性分析,筛选出与目标参数相关性高的参数输入模型;采用滑动平均窗口法预处理得到时间序列,运用LSTM神经网络建立齿轮箱油槽温度预测模型,选取均方根误差、平均绝对百分比误差、决定系数3个指标评价结果精度;基于中华山风电场监测数据进行了试验,并对比了隐藏层数目、隐藏层记忆单元数目及训练次数对试验结果的影响.将此方法与SVM模型方法进行了对比,结果为MIC-LSTM方法在预测精度上更加可靠.结果表明,此方法可实现风电机组齿轮箱的油温预测.
文献关键词：
风电机组;齿轮箱;MIC;LSTM神经网络;状态监测;温度预测
中图分类号：
作者姓名：
汪势杰;王健;代家昆;秦喜元;胡熠
作者机构：
国能长源湖北新能源有限公司,湖北 随州 432700
文献出处：
引用格式：
[1]汪势杰;王健;代家昆;秦喜元;胡熠-.基于MIC-LSTM的风电机组温度信号融合与预测方法)[J].红水河,2022(03):51-56,133
A类：
B类：
MIC,风电机组,温度信号,信号融合,齿轮箱,工作状态,状态监测,监测问题,油温预测,参数相关性,滑动平均,理得,油槽,温度预测模型,平均绝对百分比误差,决定系数,指标评价,华山,山风,风电场,层数,模型方法
AB值：
0.296003
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。
