基于PSO优化核主元分析的海上风电机组运行工况分类

【摘要】：海上风电机组运行环境复杂多变,对其工况进行分类可以提高机组运行健康状态评价的准确性,为制定合理的运行维护策略提供可靠依据。提出一种基于PSO优化核主元分析(KPCA)的多参数工况分类方法。针对核函数参数难以确定的问题,综合考虑类内散度和类间散度构建优化核参数的适应度函数,应用PSO算法对其进行寻优,将优化后的KPCA用于数据的特征提取,在此基础上采用模糊C-均值聚类(FCM)建立分类模型。通过对UCI数据库中的三组实验数据进行分类验证了该方法的有效性。最后,应用该方法对某海上风电场实测数据进行工况分类,并与PCA+FCM、KPCA+FCM两种方法进行比较。结果表明,提出方法的分类结果优于其他两种,能够得到清晰准确的分类结果,利于分工况建立准确的机组运行健康状态评价模型。 【作者单位】： 上海电力学院自动化工程学院;上海东海风力发电有限公司;
【关键词】： 海上风电机组 工况分类 PSO 核主元分析 类别可分性 模糊C-均值聚类
【基金】：国家自然科学基金项目(51507098) 上海绿色能源并网工程技术研究中心(13DZ2251900) 上海市科委重点科技攻关项目(14DZ1200905) 上海市电站自动化技术重点实验室项目(13DZ2273800)~~
【分类号】：TM614
【正文快照】： This work is supported by National Natural Science Foundation of China(No.51507098).0引言随着风电资源的大规模开发,海上风电因具有风能资源能量效益高,海上风湍流强度小,不占用宝贵的土地资源等优势在全球范围内得到大力发展。风电机组运行状态具有复杂多变的特点,而

您可以在本站搜索以下学术论文文献来了解更多相关内容

基于KPCA和PSOSVM的异步电机故障诊断    李平;李学军;蒋玲莉;曹宇翔;