典型文献
风力发电机组部件疲劳损伤预估及在线预测应用研究
文献摘要：
由于振动或者外部自然环境的影响,风力发电机组在运行过程中所承受的载荷不确定,导致风力发电机组疲劳问题很复杂.文章基于雨流计数法和Palmgren-Miner线性累积损伤理论,对在役机组各部件的疲劳损伤预估计算.结合机组实际运行数据和部件疲劳损伤的预估值,采用神经网络算法和K-Fold算法建立预测模型,利用该模型可有效预测同一风场其他非标杆机组的部件损伤.结果表明,疲劳损伤的预测误差精度可控制在3％以内,为及时调整相关控制参数和控制策略提供了可靠的依据,进而保证机组运行的稳定性,使风机达到最佳的疲劳寿命.
文献关键词：
风力发电机组;雨流计数法;疲劳载荷预估;在线预测
中图分类号：
作者姓名：
黄蓉;文登宇;董竹林
作者机构：
明阳智慧能源集团股份公司,广东 中山 528437;台山核电合营有限公司,广东 江门 529228
文献出处：
引用格式：
[1]黄蓉;文登宇;董竹林-.风力发电机组部件疲劳损伤预估及在线预测应用研究)[J].可再生能源,2022(11):1493-1498
A类：
疲劳载荷预估
B类：
风力发电机组,疲劳损伤,在线预测,预测应用,雨流计数法,Palmgren,Miner,线性累积损伤理论,在役,实际运行,运行数据,估值,神经网络算法,Fold,风场,非标,标杆,预测误差,控制参数,机组运行,风机,达到最佳,疲劳寿命
AB值：
0.244398
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。
