典型文献
基于支持向量机的风电机组故障预测
文献摘要：
针对风电机组部件故障导致的计划外或事后维护会导致长时间的风电机组停运,从而导致运营成本上升,因此,提出基于支持向量机的风电机组故障预测.首先通过对风电场数据采集与监视控制(Supervisory Control And Data Acquisition,SCADA)系统的数据进行预处理,筛选出合适的SCADA数据,结合功率曲线过滤和分析故障和报警数据;其次,从参数阈值以及维修记录等角度对数据集进行标注;然后应用支持向量机(Support Vector Machine,SVM)分类技术,通过分析其它数据,如温度、桨距角和风速数据,识别故障和无故障运行;最后将其扩展到在特定故障发生之前进行预测和诊断.结果表明在预测某些特定类型的故障方面预测精度高达92％,可以检测早期故障并根据需要安排维护,从而避免不必要的定期检查.
文献关键词：
风电机组;数据采集与监视控制系统;故障预测;支持向量机
中图分类号：
作者姓名：
李森娟;张萍;岳大为;王秋富
作者机构：
河北工业大学人工智能与数据科学学院,天津300130
文献出处：
引用格式：
[1]李森娟;张萍;岳大为;王秋富-.基于支持向量机的风电机组故障预测)[J].计算机仿真,2022(05):84-88,180
A类：
B类：
风电机组,故障预测,计划外,机组停运,运营成本,成本上升,风电场,Supervisory,Control,And,Data,Acquisition,SCADA,功率曲线,维修记录,Support,Vector,Machine,分类技术,桨距角,风速数据,无故障,早期故障,不必要,定期检查,数据采集与监视控制系统
AB值：
0.337108
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
