并網(wǎng)風(fēng)電機組運行特征參量的預(yù)測模型及應(yīng)用.pdf

1、隨著我國風(fēng)電機組裝機容量的逐漸增加，風(fēng)力發(fā)電在電網(wǎng)中所占比例也逐年增大。由于自然風(fēng)速大小和方向的不確定性，并網(wǎng)風(fēng)電機組常在不同運行工況之間動態(tài)切換，使風(fēng)電機組各部件相關(guān)性、隨機性特征愈發(fā)明顯，再加上在其惡劣環(huán)境的條件下，各個部件因載荷、磨損、疲勞強度和運行性能等都會隨著運行環(huán)境和工作時間的變化而逐漸下降。為了減少因其而發(fā)生的故障，提高并網(wǎng)風(fēng)電機組運行的可靠性，有必要對反映風(fēng)電機組運行狀態(tài)的特征參量進行預(yù)測和判斷。
　　 在分析并

2、網(wǎng)風(fēng)電機組的工作原理、控制策略及其并網(wǎng)影響的基礎(chǔ)上，選擇輸出有功功率、發(fā)電機轉(zhuǎn)速、齒輪箱輸入軸溫度、發(fā)電機繞組溫度和變頻器溫度等作為反映風(fēng)電機組運行狀態(tài)的特征參量；根據(jù)特征參量相關(guān)性進行偽數(shù)據(jù)判斷，并應(yīng)用拉格朗日插值法對錯誤和遺漏數(shù)據(jù)進行修正和補充。將該方法應(yīng)用于海裝9號風(fēng)電機組風(fēng)速、有功功率等特征參量的數(shù)據(jù)修正，算例表明拉格朗日插值法精確、簡單、有效。
　　 對風(fēng)電機組每一特征參量分別建立其BP神經(jīng)網(wǎng)絡(luò)模型，基于統(tǒng)計數(shù)據(jù)、神經(jīng)

3、網(wǎng)絡(luò)層數(shù)間存在的相關(guān)聯(lián)系及枚舉試探法，確定網(wǎng)絡(luò)層數(shù)及各層神經(jīng)單元，并通過有功功率與各狀態(tài)特征參量間的相關(guān)性，對預(yù)測模型進行完善。應(yīng)用Matlab平臺對其進行編程實現(xiàn)。將該模型應(yīng)用于風(fēng)電機組特征參量的預(yù)測，算例結(jié)果表明BP可實現(xiàn)風(fēng)電機組特征參量的預(yù)測，該模型具有泛化能力強、計算量小等特點。
　　 為了與BP神經(jīng)網(wǎng)絡(luò)進行對比分析，基于歷史經(jīng)驗數(shù)據(jù)及枚舉試探法，對每一特征參量分別建立其RBF神經(jīng)網(wǎng)絡(luò)模型，并通過K-均值聚類方法和最小二