作者：廖圣瑄1， 马晓明2， 韩中合1， 贾海坤2
作者单位：(1. 华北电力大学能源动力与机械工程学院，河北 保定 071003; 2. 中国电力科学研究院有限公司，北京 100192)
关键词：风电机组; 神经网络; 载荷; 相关性方法; 组合模型
摘要：
载荷评估对风电机组运行安全性和经济性有重要影响。鉴于采用FAST 和GH bladed 等软件不适用于短期 风电机组载荷评估，利用实测数据和神经网络原理，建立GA-BP、PSO-ELM、BP-ELM-GRNN 组合模型，对轮毂载荷 开展短期预测，并与实测数据进行对比。该组合模型采用遗传算法优化BP 神经网络的权值阈值，粒子群算法优化 极限学习机（ELM）网络权值阈值，再通过等权组合和GRNN 融合方法将两个训练模型进行组合。研究表明：轮毂载 荷X 方向上的弯矩MX 误差均值为4.44%，决定系数r2 为0.879 6，X 方向上受力FX 误差均值为4.83%，决定系数r2 为0.801 7；选择合适的风电机组输入参数能更快筛选出有关联的系数，可以提高计算效率；采用组合算法预测机组 轮毂载荷可以在一定程度上减小预测误差，提高载荷预测的准确性。
