基于随机搜索算法优化XGBoost的过热汽温预测模型

建立过热器汽温对象的高精度性能预测模型,是实现过热汽温智能优化控制的基础。为此,针对某600 MW超临界机组仿真系统的历史运行数据,采用机器学习中的XGBoost(eXtreme Gradient Boosting)回归模型建立过热器汽温特性的预测模型,并分别采用网格搜索算法和随机搜索算法对模型参数进行优化。通过比较两种优化模型的预测效果,结果表明:随机搜索算法可以进行多个参数组合寻优,收敛速度快,全局寻优的效果更好,优化后的过热汽温模型具有更好的预测精度和泛化能力。

基于DBSCAN和SDAE的风电机组异常工况预警研究

提出一种基于密度的聚类方法(DBSCAN)和堆栈式降噪自编码器(SDAE)结合的风电机组性能预测及异常运行工况预警方法。首先采用DBSCAN算法对机组监控与数据采集(SCADA)系统历史运行数据进行清洗,然后利用SDAE建立风电机组的正常运行性能预测模型。基于该模型,采用时移滑动窗口方法构建能准确反映风电机组异常状态的识别指标,并根据统计学区间估计理论合理确定指标阈值,以实现异常工况预警。采用某风电机组的真实历史运行数据进行故障重演试验。结果表明:该方法能够在故障发生前及时对风电机组的异常运行工况发出预警,验证了该方法的有效性。

激光测距仪在起重机检验中的应用

起重机在生产和运输方面发挥着重要作用,但是如何更好的保障起重机质量,就需要对其进行检验分析。其中,激光测距仪就是一种非常先进的检验设备,在起重机检验中发挥了重要作用。

基于网格搜索优化ERF模型的风电机组异常状态预警

提出一种基于网格搜索优化(GS)极端随机森林(ERF)模型的风电机组性能预测及异常状态预警方法。首先,采用离散度分析法清洗噪声和异常工况数据,以获取建模用正常运行状态数据。其次,通过分析风机运行与控制原理,选取与转速和功率具有较高相关度的特征参数作为模型输入,完成预测模型训练和验证,并对比ERF模型与其它几种模型的建模效果。最后,基于滑动窗口算法确定窗宽为10 min,增量为1 min,计算窗内数据的平均绝对误差作为状态指标,采用非参数估计确定发电机转速阈值为33.78,有功功率阈值为55.07。借助某风电机组真实历史运行数据和故障样本,验证异常状态预警方法,结果表明,该方法能够对即将发生的故障进行检测,预警时间比实际故障时间有效提前。

分析全站仪在起重机检验中的应用

全站仪属于一种全新的测量仪器，具有测量效率高、测量数据准确、应用便利、功能强大的优点。当前，被广泛的应用于各种类型起重机的检验中。那么，为了更好的掌握这方面内容，文章通过下文对相关方面内容进行了阐述。