基于实测数据和机器学习的风电机组载荷预测模型

作者：牟哲岳; 孙勇^*; 王瑞良; 李涛; 林勇刚

来源：太阳能学报, 2023, 44(10): 414-419.

DOI：10.19912/j.0254-0096.tynxb.2022-0938

• 风电机组
• 载荷
• 机器学习
• 预测模型
• 实测数据

快速准确预测风电机组载荷对机组设计及安全运行具有重要意义。该文通过机组原型测试和数据标定得到风电机组关键部位载荷数据，利用Pearson系数分析多种实测机组状态数据和气象数据的统计量与载荷特性之间的相关性，基于相关性排序确定预测模型输入参数。采用极端随机森林算法建立风电机组载荷预测模型，全面预测机组关键部位极限载荷、平均载荷和等效疲劳载荷。测试结果表明：预测模型能快速准确预测风电机组叶片、塔顶和塔底载荷特性，平均R2确定系数为0.96，可为机组载荷水平监测和安全运行提供有效支持。

• 单位
  浙江大学; 浙江运达风电股份有限公司; 流体动力与机电系统国家重点实验室