文献

J-GLOBAL ID：201702272738384309   整理番号：17A0109267

PSO最適化カーネル主成分分析に基づく海上風力発電機の運転条件分類【JST・京大機械翻訳】

Operational conditions classification of offshore wind turbines based on kernel principal analysis optimized by PSO

著者 (5件)： Zheng Xiaoxia (School of Automation Engineering, Shanghai University of Electric Power) ,  Li Meina (School of Automation Engineering, Shanghai University of Electric Power) ,  Wang Jing (Shanghai Donghai Wind Power Co., Ltd.) ,  Ren Haohan (Shanghai Donghai Wind Power Co., Ltd.) ,  Fu Yang (School of Automation Engineering, Shanghai University of Electric Power)
資料名： Dianlixitong Baohu Yu Kongzhi  (Dianlixitong Baohu Yu Kongzhi)
巻： 44  号： 16  ページ： 28-35  発行年： 2016年 
JST資料番号： C2675A  ISSN： 1674-3415  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 中国 (CHN)  言語： 中国語 (ZH)

抄録/ポイント： 風力発電機の運転環境は複雑で変化し,その運転条件を分類することは,運転状態の評価の正確さを改善し,合理的運転維持戦略を確立するための信頼できる基礎を提供する。PSO最適化カーネル主成分分析(KPCA)に基づくマルチパラメータ操作条件分類法を提案した。カーネル関数の不確実性の問題を解決するために,クラス内分散とクラス間分散を考慮して最適化カーネルパラメータの適応度関数を構築し,PSOアルゴリズムを用いて最適化を行い,最適化したKPCAをデータの特徴抽出に適用した。これに基づき,ファジィC平均クラスタリング(FCM)を用いて分類モデルを構築した。UCIデータベースにおける3つの実験データを分類することによって,この方法の有効性を証明した。最後に,この方法を用いて,海上ウインドファームの測定データを分類し,PCA+FCM,KPCA+FCMと比較した。結果は,提案方法の分類結果が他の2つより優れていて,正確な分類結果を得ることができ,分工况の正確な運転状態の評価モデルを確立するのに役立つことを示した。Data from the ScienceChina, LCAS. Translated by JST【JST・京大機械翻訳】

シソーラス用語： 特徴抽出 ,  データベース ,  不確実性 ,  *海上 ,  クラスタ化 ,  *最適化 ,  ウインドファーム
準シソーラス用語： 粒子群最適化 ,  適応度関数 ,  Kernel関数 ,  運転状態 ,  *風力発電機 ,  *運転条件 ,  *沖合風力発電 ,  *カーネル主成分分析 , 【Automatic Indexing@JST】

著者キーワード (6件)： offshore wind turbines ,  operational conditions classification ,  PSO ,  kernel principal analysis ,  sort separability criterion ,  fuzzy C-means clustering

分類 (3件)： 風力発電  (NB03120Q) ,  金属材料  (HC05020S) ,  パターン認識  (JE07000S)

タイトルに関連する用語 (5件)： PSO ,  最適化 ,  カーネル主成分分析 ,  海上風力発電 ,  分類