声明
严正声明：本站非期刊官网，非中介代理。
本站仅提供学术规范服务：快速预审、润色编辑服务、中英文查重、降重、去重服务、推荐合适的期刊投稿等学术规范服务。 如需提供学术规范服务请联系在线编辑。
该杂志刊期列表
- 2026年
- 1期
国内刊号：21-1138/TP
国际刊号：1002-0411
发布日期:
作者：苏连成, 郭高鑫
关键词：风电机组, 运行状态识别, 信息融合, 时窗降噪自编码器
针对风电机组关键部件的运行状态识别问题，本文提出一种引入时间维度信息的降噪自编码器融合多个传感器信号进行关键部件运行状态识别的方法.首先通过训练学习SCADA（supervisory control and data acquisition）数据中各传感器信号之间相互关系以及时间维度上运行状态变化趋势，建立关键部件正常运行状态模型；然后将风电场实时采集数据输入模型，再根据模型输出残差的分布情况识别关键部件的运行状态.最后使用风电场中发电机和齿轮箱两种关键部件实际故障数据进行验证，结果表明融合时间维度上的状态变化趋势更准确的描述了关键部件运行状态，有效提高了关键部件运行状态识别的准确度.
来源：2021年第3期
《信息与控制》期刊编辑部
严正声明：本站非期刊官网，非中介代理。
本站仅提供学术规范服务：快速预审、润色编辑服务、中英文查重、降重、去重服务、推荐合适的期刊投稿等学术规范服务。 如需提供学术规范服务请联系在线编辑。