典型文献
基于BPNN-NCT的风电机组主轴承异常辨识方法
文献摘要：
风电机组主轴承作为传动系统的重要组成部件,其异常辨识精度受风速波动的影响较大.针对该问题,提出了一种基于BPNN-NCT的风电机组主轴承异常辨识方法.首先,利用相关系数法确定了与主轴承状态相关的参数作为模型的输入,并基于反向传播神经网络(BPNN)建立了以主轴承温度为状态参数的状态参数预测模型.然后,基于非中心t(NCT)分布刻画了不同风速波动区间下状态参数预测残差的分布特性,并在此基础上提出了计及风速波动影响的风电机组主轴承异常状态量化指标.最后,以某风电场的2 MW直驱风力发电机组为例,验证了所提方法的有效性和准确性.
文献关键词：
主轴承;状态参数;风速波动;预测残差;异常辨识
中图分类号：
作者姓名：
刘昌杰;段斌;张潇丹
作者机构：
湘潭大学自动化与电子信息学院,湖南湘潭411105
文献出处：
引用格式：
[1]刘昌杰;段斌;张潇丹-.基于BPNN-NCT的风电机组主轴承异常辨识方法)[J].电力系统保护与控制,2022(14):114-122
A类：
B类：
BPNN,NCT,风电机组,异常辨识,辨识方法,传动系统,辨识精度,风速波动,相关系数法,反向传播神经网络,主轴承温度,状态参数,参数预测,预测残差,分布特性,异常状态,状态量化,量化指标,风电场,MW,直驱风力发电机组
AB值：
0.227624
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。
