基于遗传算法的耦合隐马尔科夫模型的故障诊断方法
针对有效利用多通道数据进行准确、灵敏的故障诊断的问题,研究了一种基于遗传算法的耦合隐马尔科夫模型的故障诊断方法。该方法是通过遗传算法优化耦合隐马尔科夫模型参数,以优化参数后的耦合隐马尔科夫模型拟合设备各状态数据建立状态模型库,再计算待诊断信号的极大似然概率值判断设备状态。通过对滚动轴承6种状态实验数据的分析,表明遗传算法能对耦合隐马尔科夫模型参数进行有效优化,且这种基于遗传算法参数优化的耦合隐马尔科夫模型能准确、灵敏地进行故障诊断,且能以极少量数据识别出状态变化。相比于传统故障诊断方法,该方法可不进行特征提取直接建立诊断模型,简化了诊断流程且能更好利用隐马尔科夫模型对状态转变敏感的特性。
抽水蓄能与风电联合运行互补性分析
风力发电输出的功率具有间歇性、随机变化性、不确定性、难以预测性和波动性等特性。针对以上问题,通过建立抽水蓄能与风电的联合运行模型来解决联合运行的效益最优的问题。仿真结果表明,通过抽水蓄能电站与风电的联合运行,能够解决风电场单独运行时的不稳定和不能储能的问题,而且能够提高发电效益,有益于风电事业的发展。
-
共1页/2条