《表8 各数据样本在不同分位数下的拟合误差分布参数》

  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》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

尽管故障导致发电机后端轴承温度异常，但状态参数的波动范围均在SCADA报警阈值之内，无法及时发现异常状态。通过正常样本数据建立GA-BPNN状态参数预测模型，发现故障早期时发电机组后端轴承温度的预测值和实际值有较大的误差，且其残差分布与正常时区别较大。用异常指数来量化这种异常状态，能够及时发现状态参数的异常，避免严重故障的发生。