并網(wǎng)風(fēng)電機(jī)組運(yùn)行特征參量的預(yù)測(cè)模型及應(yīng)用.pdf

1、隨著我國(guó)風(fēng)電機(jī)組裝機(jī)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(jī)組常在不同運(yùn)行工況之間動(dòng)態(tài)切換，使風(fēng)電機(jī)組各部件相關(guān)性、隨機(jī)性特征愈發(fā)明顯，再加上在其惡劣環(huán)境的條件下，各個(gè)部件因載荷、磨損、疲勞強(qiáng)度和運(yùn)行性能等都會(huì)隨著運(yùn)行環(huán)境和工作時(shí)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(jī)組運(yùn)行的可靠性，有必要對(duì)反映風(fēng)電機(jī)組運(yùn)行狀態(tài)的特征參量進(jìn)行預(yù)測(cè)和判斷。
　　 在分析并

2、網(wǎng)風(fēng)電機(jī)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(jī)轉(zhuǎn)速、齒輪箱輸入軸溫度、發(fā)電機(jī)繞組溫度和變頻器溫度等作為反映風(fēng)電機(jī)組運(yùn)行狀態(tài)的特征參量；根據(jù)特征參量相關(guān)性進(jìn)行偽數(shù)據(jù)判斷，并應(yīng)用拉格朗日插值法對(duì)錯(cuò)誤和遺漏數(shù)據(jù)進(jìn)行修正和補(bǔ)充。將該方法應(yīng)用于海裝9號(hào)風(fēng)電機(jī)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(jiǎn)單、有效。
　　 對(duì)風(fēng)電機(jī)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(jì)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(guò)有功功率與各狀態(tài)特征參量間的相關(guān)性，對(duì)預(yù)測(cè)模型進(jìn)行完善。應(yīng)用Matlab平臺(tái)對(duì)其進(jìn)行編程實(shí)現(xiàn)。將該模型應(yīng)用于風(fēng)電機(jī)組特征參量的預(yù)測(cè)，算例結(jié)果表明BP可實(shí)現(xiàn)風(fēng)電機(jī)組特征參量的預(yù)測(cè)，該模型具有泛化能力強(qiáng)、計(jì)算量小等特點(diǎn)。
　　 為了與BP神經(jīng)網(wǎng)絡(luò)進(jìn)行對(duì)比分析，基于歷史經(jīng)驗(yàn)數(shù)據(jù)及枚舉試探法，對(duì)每一特征參量分別建立其RBF神經(jīng)網(wǎng)絡(luò)模型，并通過(guò)K-均值聚類(lèi)方法和最小二