典型文献
基于支持向量数据描述和XGBoost的风电机组异常工况预警研究
文献摘要：
该文提出一种基于支持向量数据描述(SVDD)和XGBoost模型的风电机组异常工况预警方法.从机组监控与数据采集系统(SCADA)数据中选择与转速和发电功率密切相关的特征变量,利用SVDD算法对建模数据进行预处理,采用XGBoost建立风机正常性能预测模型.以所建预测模型为基础,构建时间滑动窗计算性能评价指标,并根据统计学的区间估计理论合理确定风机性能异常预警指标阈值.采用某风电场1.5MW风电机组SCADA系统记录的若干真实故障案例,开展异常工况预警仿真试验.结果表明:基于SVDD和XGBoost的风机异常工况预警方法,可以有效地清洗数据,及时识别风电机组异常状态,对于提高风电机组运行的安全性具有较好的工程实用意义.
文献关键词：
风电机组;支持向量数据描述;XGBoost;性能预测模型;异常工况预警
中图分类号：
作者姓名：
马良玉;程善珍
作者机构：
华北电力大学控制与计算机工程学院 保定 071003
文献出处：
引用格式：
[1]马良玉;程善珍-.基于支持向量数据描述和XGBoost的风电机组异常工况预警研究)[J].电工技术学报,2022(13):3241-3249
A类：
异常工况预警
B类：
支持向量数据描述,XGBoost,预警研究,SVDD,预警方法,数据采集系统,SCADA,发电功率,特征变量,建模数据,正常性,性能预测模型,滑动窗,性能评价指标,区间估计,合理确定,风机性能,异常预警,预警指标,指标阈值,风电场,5MW,故障案例,仿真试验,清洗数据,异常状态,风电机组运行,实用意义
AB值：
0.27672
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。
