《表1 0 风电机组异常辨识结果》
提示:宽带有限、当前游客访问压缩模式
本系列图表出处文件名:随高清版一同展现
《采用GA-BPNN与TLS模型的风电机组异常辨识方法》
从该风电场9起风电机组故障案例中选取78组异常辨识样本(每组样本包含24 h内的SCADA数据),如表9所示,故障案例共涉及8类风电机组状态参数异常。进一步验证所提方法的准确性,并与基于预测残差概率密度函数的阈值判别法(判定阈值选取预测残差99.9%置信区间的上下限)以及基于BPNN的动态阈值诊断方法[18]进行对比,结果如表10所示,可见本文异常辨识模型的准确率达到93.85%,远高于阈值诊断及基于BPNN的动态阈值诊断方法。
图表编号 | XD00149848000 严禁用于非法目的 |
---|---|
绘制时间 | 2020.05.10 |
作者 | 李泽宇、郭创新、朱承治 |
绘制单位 | 浙江大学电气工程学院、浙江大学电气工程学院、浙江大学电气工程学院 |
更多格式 | 高清、无水印(增值服务) |