典型文献
基于BP神经网络和多因素权重法的风电机组载荷预测和分析
文献摘要：
基于BP神经网络,建立了风电机组关键部位载荷的快速准确预测方法.以风电机组关键参数风速、空气密度、湍流强度、入流角、风切变、偏航误差角等为自变量,以机组关键部位载荷作为输出变量,建立用于快速预测机组关键部位载荷的BP神经网络模型;然后基于多因素权重法对风电机组不同参数的影响权重进行分析,获得影响风电机组载荷的关键变量.结果显示:基于叶素-动量理论模型计算得到不同风况下风电机组关键部位载荷,然后设置合理的神经网络结构以及合适的神经网络参数,可以实现对不同风况下风电机组关键部位载荷的预测;对于叶根和塔底的平均载荷和极限载荷4个不同的变量,风速、空气密度、湍流强度、入流角、风切变、偏航误差角等参数影响的权重各不相同.
文献关键词：
风力发电;BP神经网络;平均载荷;极限载荷;多因素权重
中图分类号：
作者姓名：
许扬;蔡安民;张林伟;林伟荣;李诚;李水清
作者机构：
中国华能集团清洁能源技术研究院有限公司,北京 102209;清华大学能源与动力工程系,北京 100084
文献出处：
引用格式：
[1]许扬;蔡安民;张林伟;林伟荣;李诚;李水清-.基于BP神经网络和多因素权重法的风电机组载荷预测和分析)[J].热力发电,2022(08):42-49
A类：
多因素权重
B类：
权重法,风电机组,关键部位,快速准确,准确预测,空气密度,湍流强度,入流,风切变,偏航误差,快速预测,同参数,影响权重,关键变量,动量理论,风况,下风,神经网络结构,网络参数,叶根,塔底,平均载荷,极限载荷,参数影响,各不相同,风力发电
AB值：
0.239752
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
