20:41
视频长度为 20:41
基于聚类算法与循环神经网络的风机发电性能的测试和预测方法
维萨拉(北京)测量技术有限公司 梁志
风电机组的发电性能测试方法是评估风机性能的客观方法和依据,是风能资源评估、风机性能优化等工作的基础。风电机组的发电性能受到气象相关的多因子影响,测试结果存在一定的不确定度。如何开展精准而客观的测试,评估气象要素的作用,剔除局地影响,是目前较为重要和亟待解决的研究课题和实际需求。 近些年,人工智能得到了发展的迅速,涌现了大量的智能算法和的应用案例,提供了可借鉴的思路,可帮助新能源等行业开展便捷高效的数据分析、模型建立等相关工作,同时MATLAB®提供了强大而全面的数据与算法工具箱,可降低相应的学习曲线和时间成本。本研究工作采用了聚类算法DBSCAN开展了风速数据质量控制和无效数据剔除,通过循环神经网络 RNN (Recurrent Neural Networks)建立了多参数的风机功率模型,改进了传统方法单一参数的缺点,有效降低了误差,提高了风机发电性能的测试精度和预测效果。
出版年份: 2024 年 7 月 3 日
您也可以从以下列表中选择网站:
如何获得最佳网站性能
选择中国网站(中文或英文)以获得最佳网站性能。其他 MathWorks 国家/地区网站并未针对您所在位置的访问进行优化。
美洲
- América Latina (Español)
- Canada (English)
- United States (English)
欧洲
- Belgium (English)
- Denmark (English)
- Deutschland (Deutsch)
- España (Español)
- Finland (English)
- France (Français)
- Ireland (English)
- Italia (Italiano)
- Luxembourg (English)
- Netherlands (English)
- Norway (English)
- Österreich (Deutsch)
- Portugal (English)
- Sweden (English)
- Switzerland
- United Kingdom (English)
亚太
- Australia (English)
- India (English)
- New Zealand (English)
- 中国
- 日本Japanese (日本語)
- 한국Korean (한국어)