%0 Journal Article
%T 采用GA-BPNN与TLS模型的风电机组异常辨识方法
%A 朱承治
%A 李泽宇
%A 郭创新
%J 电力系统自动化
%D 2020
%X 基于反向传播神经网络（BPNN）建立了风电机组状态参数预测模型，并采用遗传算法(GA)对BPNN模型的初始权重与阈值进行优化，有效消除环境因素对风电机组状态参数的影响；采用TLS（t-location scale）分布模型刻画不同风速区间下预测残差的分布特性，基于矩估计方法实现TLS分布参数估计，并在此基础上提出了计及风速影响的状态残差异常程度量化指标。以某风电场的1.5 MW双馈风电机组为例进行了异常分析，结果验证了模型的有效性和准确性
%K 风电机组
%K 数据采集与监控系统
%K 预测模型
%K TLS分布模型
%K 异常辨识
%K wind turbine (WT)
%K supervisory control and data acquisition （SCADA） system
%K prediction model
%K TLS distribution model
%K anomaly identification
%U http://www.aeps-info.com/aeps/article/abstract/20190203002?st=article_issue