风电机组疲劳损伤导致的运维工作是影响风电场成本的关键因素。以机组损伤维护最频繁的传动系统为研究对象，分析了机组运行工况与其结构损伤等效载荷的耦合关系，构建了基于深度神经网络的疲劳损伤数据拟合方法。利用所建数据驱动模型在风电场有功控制过程中进行实时疲劳预测并优化机组有功控制指令。仿真实验表明，本文所建数据驱动预测模型对机组传动系统疲劳载荷有较好拟合效果，用于有功控制过程可降低风电场内各机组的传动系统疲劳载荷。
科研之友
微信
新浪微博
Facebook
分享链接
