基于数据融合风电机组噪声预测.PDFVIP

第 37 卷 第6 期 Vol. 37, No.6 2018 年 11 月 Journal of Applied Acoustics November, 2018 ⋄ 研究报告⋄ 基于数据融合的风电机组噪声预测 张智勇 余 金 常 鹏 徐其丹 李 阳 (1 喀什大学物理与电气工程学院 喀什 844008) (2 国网新疆电力有限公司经济技术研究院 乌鲁木齐 830049) 摘要 根据风电机组噪声信号检测复杂的情况，研究风电机组非声学参数的信息熵特征，对机组噪声进行多 源数据融合预测。分析基于信息熵的非声学参数的特征提取方法，并对传统的基于遗传算法的支持向量机回 归的缺陷提出改进，结合实际应用的非声学参数的信息熵特点平衡遗传算法(GA) 的终止条件。通过统计分 析完成了输入变量的筛选，去除了对预测影响较大的共线性因素，并实现了输入降维提高预测精度和速率。最 后应用数据的信息熵特征，训练改进的遗传算法的支持向量机回归，建立最终的多源数据特征级融合预测模 型。通过对比表明基于多源数据融合的预测方法精度最高，预测结果的相对误差平均值为0.7757%，具有实际 可行性。 关键词 风力发电，噪声预测，多源数据融合，支持向量机回归，遗传算法 中图法分类号: TM614 文献标识码: A 文章编号: 1000-310X(2018)06-0956-07 DOI: 10.11684/j.issn.1000-310X.2018.06.018 Wind turbines noise prediction based on data fusion ZHANG Zhiyong YU Jin CHANG Peng XU Qidan LI Yang ( School of Electrical Engineering, Kashgar University, Kashi , China) ( State Grid Economic and Technical Research Institute Co., LTD. of Xinjiang, Urumqi , China) Abstract According to the complex situation of wind turbine noise signal detection, the information entropy characteristics of non-acoustic parameters of wind turbine are analyzed and the noise is predicted by multi- source data fusion. The feature extraction method based on entropy of non-acoustic parameters is analyzed, and the traditional method based on the support vector regression of genetic algorithm (GA-SVR) is improved. While the termination condition of the genetic algorithm is balanced by the information entropy characteristics of the non-acoustic