典型文献
基于数据驱动的风电机组最优桨距角辨识方法
文献摘要：
针对因叶片安装误差、外界运行环境变化等因素导致机组运行最优桨距角与理论桨距角不一致而造成发电量损失的问题,提出了一种基于运行数据驱动的最优桨距角辨识方法.首先,根据风电机组发电机转速、功率和桨距角等运行数据进行工况识别,通过改进的DBSCAN(density-based spatial clustering of applications with noise)聚类方法剔除离群数据.然后,基于最小二乘法拟合"风速–功率–桨距角"模型特性曲面,通过Levenberg-Marquardt算法求解特性曲面变量之间的函数关系,进而辨识出不同平均风速下最优桨距角.通过算例进行验证,结果表明,所提出的风电机组最优桨距角辨识方法能够找到各平均风速下最优桨距角.
文献关键词：
风电机组;最优桨距角;DBSCAN算法;Levenberg-Marquardt算法;数据驱动
中图分类号：
作者姓名：
柏文超;刘颖明;王晓东;高兴;张书源
作者机构：
沈阳工业大学 电气工程学院,辽宁 沈阳 110870
文献出处：
引用格式：
[1]柏文超;刘颖明;王晓东;高兴;张书源-.基于数据驱动的风电机组最优桨距角辨识方法)[J].电力科学与工程,2022(09):38-44
A类：
最优桨距,最优桨距角
B类：
风电机组,辨识方法,安装误差,运行环境,机组运行,发电量,运行数据,发电机,电机转速,工况识别,DBSCAN,density,spatial,clustering,applications,noise,聚类方法,离群数据,最小二乘法拟合,Levenberg,Marquardt,函数关系,平均风速
AB值：
0.202345
相似文献
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。
