基于变分贝叶斯推断的DPGMM风电机组异常数据识别研究
文档名：基于变分贝叶斯推断的DPGMM风电机组异常数据识别研究
摘要：为了准确识别和剔除风电机组在实际运行过程中产生的异常数据,以便为功率预测等工作提供有效的数据支持,通过分析风电机组运行数据散点在风速-功率(v-P)坐标系中的分布特征,提出了基于变分贝叶斯推断的狄利克雷过程高斯混合模型异常数据识别方法.将试验机组E17实测数据散点沿水平功率方向以一定间隔划分区间,采用能自适应确定最佳分量个数的狄利克雷过程高斯混合模型对每一个功率区间内的数据散点进行聚类,结合各高斯分量置信椭圆参数及数据散点在v-P坐标系中的分布特征,对试验机组E17各功率区间内的高斯分量及其聚类散点进行异常标识.结果表明:该模型克服了传统高斯混合模型需要人为确定分量个数的缺点,能够对风电机组异常数据进行准确识别.
作者：甘雨郭鹏林立栋Author：GANYuGUOPengLINLidong
作者单位：华北电力大学控制与计算机工程学院,北京102206
刊名：动力工程学报 ISTICPKU
Journal：JournalOfChineseSocietyOfPowerEngineering
年，卷(期)：2023, 43(7)
分类号：TK83
关键词：风电机组异常数据识别狄利克雷过程高斯混合模型变分贝叶斯推断
Keywords：windturbineabnormaldataidentificationDPGMMvariationalBayesianinference
机标分类号：TP391.41TN912.34TM773
在线出版日期：2023年8月9日
基金项目：国家自然科学基金基于变分贝叶斯推断的DPGMM风电机组异常数据识别研究[
期刊论文]动力工程学报--2023, 43(7)甘雨郭鹏林立栋为了准确识别和剔除风电机组在实际运行过程中产生的异常数据,以便为功率预测等工作提供有效的数据支持,通过分析风电机组运行数据散点在风速-功率(v-P)坐标系中的分布特征,提出了基于变分贝叶斯推断的狄利克雷过程高斯...参考文献和引证文献
参考文献
引证文献
本文读者也读过
相似文献
相关博文
基于变分贝叶斯推断的DPGMM风电机组异常数据识别研究Abnormal Wind Turbine Data Identification Using a Dirichlet Process Gaussian Mixture Model Based on Variational Bayesian Inference
基于变分贝叶斯推断的DPGMM风电机组异常数据识别研究.pdf
页:
[1]