典型文献
计及气象因素的风电机组故障诊断与风险预测
文献摘要：
针对极端天气导致风电机组频繁故障,提出了一种基于改进贝叶斯网络的风电机组故障诊断与风险预测模型.该模型计及气象因素与风机故障之间的关联,利用Relief F算法计算故障特征权重,得到最优特征集合;建立计及气象因素的基于贝叶斯网络的风电机组故障诊断与风险预测模型,利用正向诊断技术得到故障诊断策略,并通过反向推理技术对风险事件进行预测.将文中提出的模型进行受试者工作特性曲线(receiver operating characteristic curve,ROC)验证,结果表明所提模型ROC曲线下面积(area under curve,AUC)为0.9049,验证了所提模型的有效性,可以为风电机组故障诊断和风险预测提供有效依据.
文献关键词：
特征提取;Relief F算法;气象因素;贝叶斯网络;反向推理
中图分类号：
作者姓名：
程江洲;冯馨以;冯梦婷;闫冉阳;张晓瑀
作者机构：
三峡大学电气与新能源学院,宜昌443002
文献出处：
引用格式：
[1]程江洲;冯馨以;冯梦婷;闫冉阳;张晓瑀-.计及气象因素的风电机组故障诊断与风险预测)[J].科学技术与工程,2022(22):9645-9651
A类：
B类：
气象因素,风电机组,对极,极端天气,气导,频繁故障,改进贝叶斯网络,风险预测模型,风机故障,Relief,算法计算,故障特征,特征权重,最优特征集,特征集合,诊断技术,故障诊断策略,反向推理,风险事件,受试者工作特性曲线,receiver,operating,characteristic,curve,area,under
AB值：
0.315156
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。
