基于mRMR的发电机DCS信号神经网络趋势预测方法

被引：2

作者：

杨家荣

李辉

郭双全

吕伟

机构：

[1] 上海电气集团股份有限公司中央研究院

来源：

机电工程 | 2017年 / 34卷 / 04期

关键词：

分布式控制系统; 最大相关最小冗余; 特征选择; 趋势预测; 发电机;

D O I：

暂无

中图分类号：

TM621.3 [发电设备];

学科分类号：

080802 ;

摘要：

针对神经网络方法在发电机信号趋势预测过程中如何合理选择网络输入节点的问题,提出了一种基于最大相关和最小冗余(mRMR)算法的神经网络输入信号选取准则。该方法研究了发电机分布式控制系统(DCS)监测数据的特点,采用了mRMR算法从原始特征集合中选择了与被描述对象具有最大相关性,且特征集元素间冗余量最小的特征子集作为网络输入,进而有效地提高了网络模型对输入输出间非线性函数关系的拟合精度。研究结果表明,当对某电厂DCS信号进行分析时,与直接利用神经网络进行趋势预测的准确性相比,该方法预测准确性高、泛化能力好,具有良好的工程适用性。

引用

页码：408 / 411

页数：4

共 11 条

[1]

基于最大相关最小冗余的特征选择算法研究.[D].曹静.燕山大学.2010, 08

[2]

Comparison of feature selection methods using ANNs in MCP-wind speed methods. A case study.[J].José A. Carta;Pedro Cabrera;José M. Matías;Fernando Castellano.Applied Energy.2015,

[3] 基于时间序列的发电机温升趋势分析方法 [J].