基于SCADA数据的风电机组关键载荷预测

摘要：

风电机组关键位置载荷预测对风电机组安全、经济运行具有重要意义.通过建立 SCADA数据与载荷间的近似关系对风电机组关键位置载荷进行预测.采用 BP 神经网络建立 SCADA 数据和载荷的关系模型,利用SCADA数据与载荷间的相关性来筛选模型输入参量,采用试错法确定 BP 神经网络的层数与神经元数量.针对某2.5 MW风电机组的7处关键位置进行了载荷实测.研究表明,在不采用风速作为输入参量的情况下,模型的预测结果与实测结果具有良好的一致性,相对误差的均值在1.28%到15.6%之间,决定系数 R2在0.951到0.882之间;与试错法选择输入参量相比,基于相关性计算的输入参量选择方法能够更高效地筛选出更多恰当的 SCADA参量,从而进一步提高预测准确度.因此,基于 BP 神经网络建立 SCADA数据与载荷的近似关系可作为风电机组关键位置载荷预测评估的有效手段.

关键词：风电机组、模型、神经网络、SCADA数据、参数筛选、疲劳等效载荷、载荷预测

所属期刊栏目：34

分类号：TK83;TK81(风能、风力机械)

资助基金：国家电网公司科技项目NYB17201600300;国家科技支撑项目2015BAA07B01

在线出版日期：2018-03-21（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：219-225