海上风电海缆BP神经网络故障识别OA
随着我国“双碳”政策的实施,海上风电产业向大型化、深远海快速发展,大量海底电缆被应用于海上风电场,海底电缆故障对海上风电场正常运行影响重大。海底电缆故障的主要原因分为机械故障和电路故障,可由海工作业、渔业捕捞等人类活动及海洋环境中的海流作用、地质变动、海生物附着、海洋腐蚀性因子的作用导致。利用反向传播(BP)神经网络进行海上风电场海底电缆短路故障识别,通过电路仿真生成海底电缆的故障数据集,设置单相接地故障、双相短路故障、双相短路接地故障、三相短路故障4类共计10种故障类型,并使用BP神经网络进行模型训练和预测。结果表明,验证集中模型对大部分类型可准确预测,由混淆矩阵得出最低值出现在第5类故障类型,其预测准确率为80%,该神经网络模型的验证集运行正确率为97.8%。该方法可准确预测不同海缆故障类型,可为海上风电场海底电缆故障的及时发现与快速检测提供参考。
李志川;彭旭华;朱魁星;祁雷;朱嵘华;
渤海石油航务建筑工程有限责任公司,天津300452中海实业有限责任公司,北京100010浙江大学海洋学院,浙江舟山316021 阳江海上风电实验室,广东阳江529500
动力与电气工程
海上风电海底电缆故障识别BP神经网络
《机电工程技术》 2024 (009)
P.8-11,70 / 5
广东省重点领域研发计划(2022B0101100001)。
评论