MKIF模型风电机组健康劣化监测及预警

分析了风电机组异常数据分布特征,设计了MKIF(Mini-batch K means-isolation forest)算法,并基于MKIF算法构建了风电机组健康劣化监测预警模型。MKIF算法将小批量K均值聚类引入搜索树的划分过程中,使用轮廓系数监督树分裂节点的数量和位置。定义了MKIF异常得分以描述数据的孤立程度,进而有效识别和剔除异常数据并基于正常运行数据建立风电机组健康基准模型。使用健康基准模型和滑动窗口算法即可对监测数据劣化程度进行评估;当窗口内劣化数据比例超过设定阈值时,触发机组健康劣化预警。以某风电机组齿轮箱油温异常导致发电性能劣化为实例,验证了模型的有效性。

基于自适应DBSCAN算法的风电机组异常数据识别研究

为了对风电机组实测数据中的异常数据进行有效识别和剔除,通过分析风电机组的风速-功率异常数据,提出了基于分功率区间的自适应密度聚类(DBSCAN)异常数据识别算法,采用无标签聚类轮廓系数对DBSCAN算法中关键参数半径(ε)和邻域密度阈值(Z)进行自适应最佳选择,并利用该算法识别实验机组的异常数据。结果表明:该算法避免了人为主观设定导致的误差,能够对风电机组异常数据进行有效识别。

基于AdaBoost算法的多参数模型风电机组叶片结冰监测与预警研究

叶片结冰是影响冬季我国部分高海拔高湿度地区风电机组安全运行的因素之一。及早检测出叶片结冰能够及时调整机组运行方式,保证机组安全。分析了叶片结冰对风电机组运行性能和运行参数的影响,将功率、叶轮转速和环境温度作为监测叶片结冰的变量。采用自适应增强(AdaBoost)算法分别建立功率模型和叶轮转速,引入指数加权移动平均(EWMA)方法分析功率和叶轮转速模型的预测残差,从而对叶片结冰时2个参数的异常变化进行监测,当风电机组输出功率和叶轮转速2个参数同时出现异常且环境温度低于0℃时发出叶片结冰预警。利用昆明某风场风电机组实际叶片结冰数据验证了该方法的有效性。

基于粗糙集理论的乌鲁木齐局集团公司货运组织安全风险因素研究

为提升乌鲁木齐局集团公司货运组织安全管理能力,通过梳理分析乌鲁木齐局集团公司2015—2019年31起货运事故风险因素,构建基于"人员—环境—管理"的铁路货运组织安全风险三级指标体系,并基于粗糙集理论构建风险因素知识系统,对31起货运事故中的121个风险点进行关键风险因素筛选并进行权重计算。结果表明,管理因素和人员因素是影响货运组织安全的重要因素,有针对性地强化人员安全意识、加强作业基础管理,有助于防范乌鲁木齐局集团公司货运组织安全隐患,提升货运组织安全水平。

中国假人头部皮肤材料参数优化设计研究

为探究皮肤材料参数对中国体征假人头部力学响应的影响,采用非均一缩放方法对Hybrid Ⅲ 50th假人头部有限元模型及标定限值进行缩放,获得了中国50百分位假人头部模型及标定限值。基于该模型,借助正交试验设计方法,构造多项式响应面代理模型,结合优化算法,得到了更逼近于中国真实人体头部力学响应性能的皮肤材料参数。该组参数可为中国体征物理假人头部皮肤材料配比研究提供相应指导。