2023年全國(guó)碩士研究生考試考研英語(yǔ)一試題真題(含答案詳解+作文范文)_第1頁(yè)
已閱讀1頁(yè),還剩123頁(yè)未讀, 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)

文檔簡(jiǎn)介

1、受到惡劣自然環(huán)境與風(fēng)能隨機(jī)波動(dòng)性的影響,風(fēng)電機(jī)組的運(yùn)行工況具有復(fù)雜的變化特性。運(yùn)行工況對(duì)風(fēng)電機(jī)組狀態(tài)參數(shù)具有顯著的影響,導(dǎo)致已有采用閾值法的風(fēng)電機(jī)組運(yùn)行狀態(tài)評(píng)估方法難以在實(shí)際應(yīng)用取得良好的效果。以提高風(fēng)電機(jī)組運(yùn)行安全可靠性為目標(biāo),作者對(duì)風(fēng)電機(jī)組運(yùn)行狀態(tài)評(píng)估與短期可靠性預(yù)測(cè)方法進(jìn)行了系統(tǒng)的研究,論文主要包括以下內(nèi)容。
  首先,對(duì)風(fēng)電機(jī)組狀態(tài)參數(shù)的相關(guān)性進(jìn)行了研究。根據(jù)對(duì)風(fēng)電機(jī)組數(shù)據(jù)采集與監(jiān)視控制(Supervisory contr

2、ol and data acquisition,簡(jiǎn)稱為SCADA)系統(tǒng)數(shù)據(jù)在風(fēng)速區(qū)間的分布規(guī)律的分析,研究了SCADA數(shù)據(jù)的選擇方法;進(jìn)一步對(duì)比分析了風(fēng)電機(jī)組狀態(tài)參數(shù)之間的Pearson、Kendall與Spearman相關(guān)系數(shù),在此基礎(chǔ)上對(duì)風(fēng)電機(jī)組狀態(tài)參數(shù)的綜合相關(guān)性指標(biāo)進(jìn)行了研究,并采用綜合相關(guān)指標(biāo)對(duì)風(fēng)電機(jī)組實(shí)例數(shù)據(jù)進(jìn)行了分析,揭示了風(fēng)電機(jī)組狀態(tài)參數(shù)之間的相關(guān)規(guī)律。
  其次,開展了風(fēng)電機(jī)組狀態(tài)參數(shù)異常辨識(shí)模型的研究。對(duì)輸入?yún)?/p>

3、數(shù)對(duì)目標(biāo)參數(shù)的影響程度進(jìn)行了量化分析,研究了狀態(tài)參數(shù)預(yù)測(cè)模型的自動(dòng)參數(shù)選擇方法,建立了基于反向傳播神經(jīng)網(wǎng)絡(luò)(Back-propagation neural network,簡(jiǎn)稱為BPNN)的參數(shù)自動(dòng)選擇子模型;通過對(duì)基于最小二乘支持向量機(jī)(Least squares support vector machines,簡(jiǎn)稱為L(zhǎng)S-SVM)、徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)(Radial basis function neural network,簡(jiǎn)稱為R

4、BFNN)和BPNN的狀態(tài)參數(shù)組合預(yù)測(cè)方法的研究,建立了基于參數(shù)預(yù)測(cè)殘差信息熵的狀態(tài)參數(shù)異常分析子模型。由參數(shù)自動(dòng)選擇與參數(shù)異常分析子模型構(gòu)成的廣義模型,對(duì)風(fēng)電機(jī)組狀態(tài)異常實(shí)例具有良好的應(yīng)用效果,獲得了準(zhǔn)確的狀態(tài)參數(shù)異常辨識(shí)結(jié)果。
  第三,研究了計(jì)及工況的風(fēng)電機(jī)組運(yùn)行狀態(tài)評(píng)估模型。在對(duì)風(fēng)電機(jī)組狀態(tài)參數(shù)劣化度計(jì)算方法研究的基礎(chǔ)上,研究了采用狀態(tài)參數(shù)劣化度和工況參數(shù)作為輸入?yún)?shù)的風(fēng)電機(jī)組運(yùn)行狀態(tài)BPNN評(píng)估模型,同時(shí)對(duì)BPNN模型的

5、結(jié)構(gòu)進(jìn)行優(yōu)化設(shè)計(jì),并與RBFNN和LS-SVM模型的評(píng)估結(jié)果進(jìn)行了對(duì)比分析。實(shí)例分析表明,采用狀態(tài)參數(shù)劣化度作為輸入?yún)?shù)與BPNN結(jié)合,評(píng)估結(jié)果較好地反映了風(fēng)電機(jī)組的運(yùn)行狀態(tài),優(yōu)化BPNN比兩種對(duì)照評(píng)估模型具有更高的準(zhǔn)確率與更短的計(jì)算時(shí)間。
  最后,開展了風(fēng)電機(jī)組短期可靠性預(yù)測(cè)模型的研究。對(duì)風(fēng)電機(jī)組的初始停運(yùn)概率模型進(jìn)行了研究,分析了數(shù)據(jù)采樣率和狀態(tài)轉(zhuǎn)移概率的統(tǒng)計(jì)區(qū)間對(duì)停運(yùn)概率的影響;通過分析風(fēng)電機(jī)組實(shí)時(shí)狀態(tài)對(duì)停運(yùn)概率的影響,研

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫(kù)僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。

最新文檔

評(píng)論

0/150

提交評(píng)論