-
作者
张雅洁王罗刘宇璐乐波韩爽苏营刘永前
-
单位
新能源电力系统国家重点实验室（华北电力大学）华北电力大学新能源学院中国长江三峡集团有限公司
-
摘要
风电机组状态的准确监测对风电机组安全稳定运行和经济效益提升至关重要。但是，受不同风电机组运行数据分布差异的影响，现有状态监测方法在多风电机组应用场景下存在精度和效率难以兼顾的问题，而平衡分布自适应迁移学习（BDA）可以拉近数据距离，同化数据分布。因此，文章提出了一种基于BDA的多风电机组状态监测方法。首先，基于Copula熵的互信息法挖掘风电机组运行状态关键影响参量；然后，构建基于门控循环单元模型（GRU）和序贯概率比检验（SPRT）方法的单风电机组状态监测模型；最后，构建基于BDA的多风电机组运行数据分布同化模型，并用于多风电机组运行状态监测。算例结果表明，所提方法可以有效节省建模成本和计算成本，能够在保障多风电机组运行状态监测精度的前提下，显著提升监测效率。
-
关键词
风电机组状态监测平衡分布自适应迁移学习序贯概率比检验门控循环单元
-
基金项目(Foundation)
中国长江三峡集团有限公司企业科技项目（212103368）；
-
文章目录
0引言
1基本思路
2基于Copula熵互信息法的风电机组状态关
2.1基于Copula熵的互信息法
2.2关键影响参量挖掘流程
3基于GRU模型和SPRT方法的单风电机组
3.1 GRU
3.2 SPRT
3.3单风电机组状态监测模型构建
4基于BDA的多风电机组状态监测方法
4.1 BDA算法
4.2多风电机组状态监测模型构建
5算例分析
5.1数据基础
5.2结果分析
6结论
-
DOI
-
引用格式
[1]张雅洁,王罗,刘宇璐,等.基于平衡分布自适应迁移学习的多风电机组运行状态监测方法[J].可再生能源,2024,42(08):1068-1073.
可再生能源 
2024年第08期 
