文献检索-宁波市创意产业特色资源库

限定检索结果

基于SCADA系统的风电机组KNN故障状态监测研究: 收藏
分享
引用; 《机械设计与制造工程》2025年第1期54卷 91-94页; 作者：胡龙舟李韬睿吴頔丰金浩覃思航国网湖北超高压公司信通中心湖北武汉430050 国网武汉供电公司湖北武汉430050; 为了进一步提高风电机组设备的故障状态监测精度,采用2 MW风电机组数据采集与监视控制(SCADA)系统进行数据采集测试,通过K最近邻(KNN)算法综合评价了风电机组故障状态下的全工况参数。以统计过程控制(SPC)与滑动窗口结合的方法获得异常...; 为了进一步提高风电机组设备的故障状态监测精度,采用2 MW风电机组数据采集与监视控制(SCADA)系统进行数据采集测试,通过K最近邻(KNN)算法综合评价了风电机组故障状态下的全工况参数。以统计过程控制(SPC)与滑动窗口结合的方法获得异常率结果,实时监测风电机组齿轮箱的实际运行状态。研究结果表明:采用优化距离度量方式能够实现预测精度的大幅提高;离群点剪辑使训练集失去一定比例的有效训练样本,但提升了运算效率;设定合适的相似剪辑阈值可以使预测精度提高0.62%,经过两次剪辑处理后相对剪辑前精度降低2.48%、运算效率提高20.92%。; 来源：详细信息评论

限定检索结果