基于支持向量机的风电机组运行工况分类方法

被引：17

作者：

刘永前 ^{[1
]}

王飞 ^{[1
]}

时文刚 ^{[2
]}

卓越 ^{[2
]}

机构：

[1] 华北电力大学可再生能源学院

[2] 西门子中国研究院

来源：

太阳能学报 | 2010年 / 31卷 / 09期

关键词：

风电机组; 状态监测; 运行工况; 报警阈值; 支持向量机;

D O I：

10.19912/j.0254-0096.2010.09.021

中图分类号：

TM315 [风力发电机];

学科分类号：

080801 ;

摘要：

采用多个运行参数来描述风电机组复杂多变的与振动相关的运行工况,提出一种基于支持向量机的分类方法划分风电机组的运行工况。我国北方某风电场实际运行数据的计算结果表明:与传统的单参数分类方法相比,基于支持向量机的运行工况分类方法能明显降低振动监测过程中的误报警率。

引用

页码：1191 / 1197

页数：7

共 9 条

[1] 基于支持向量机的电力电子电路故障诊断技术 [J].

胡清 ;

王荣杰 ;

詹宜巨 .

中国电机工程学报, 2008, (12) :107-111

[2] 最小二乘支持向量机在电能质量扰动分类中的应用 [J].

张全明 ;

刘会金 .

中国电机工程学报, 2008, (01) :106-110

[3] 大型风电机组振动分析和在线状态监测技术 [J].

姚兴佳 ;

刘颖明 ;

刘光德 ;

邢作霞 ;

鲍洁秋 .

沈阳工业大学学报, 2007, (06) :627-632

[4] 一种基于径向基函数动态阈值模型的机组状态监测方法 [J].

陈勇强 ;

刘开培 .

中国电机工程学报, 2007, (26) :96-101

[5] 大型电厂锅炉NOx排放特性的支持向量机模型 [J].

王春林 ;

周昊 ;

李国能 ;

岑可法 .

浙江大学学报(工学版), 2006, (10) :1787-1791

[6] 基于支持向量机的多故障分类器及应用 [J].

张周锁 ;

李凌均 ;

何正嘉 .

机械科学与技术, 2004, (05) :536-538+601

[7] 基于多类支持向量机的汽轮发电机组故障诊断 [J].

翟永杰 ;

王东风 ;

韩璞 .

动力工程, 2003, (05) :2694-2698

[8] Support vector machine in machine condition monitoring and fault diagnosis [J].

Widodo, Achmad ;

Yang, Bo-Suk .

MECHANICAL SYSTEMS AND SIGNAL PROCESSING, 2007, 21 (06) :2560-2574

[9] Least squares support vector machine classifiers [J].

Suykens, JAK ;

Vandewalle, J .

NEURAL PROCESSING LETTERS, 1999, 9 (03) :293-300

← 1 →