基于SCADA数据和改进BP神经网络的塔筒应力预测
【摘要】 针对风电机组载荷监测中应变片寿命短的缺陷，基于风电场海量状态监测数据，利用遗传算法和粒子群算法对BP神经网络进行改进，建立塔筒应力预测模型，并通过综合相关系数实现输入参量的有效选择。仿真结果表明，改进后的GA-BP神经网络预测模型和PSO-BP神经网络模型，预测结果的最大、最小相对误差等指标均比BP神经网络预测模型好;GA-BP神经网络预测模型的塔筒应力预测平均误差为7.04%，相对BP神经网络预测结果误差减少了4.38%，预测精度满足工程需求。所提出的方法建立风电场海量监测数据和塔筒应力数据之间的有效关系模型，可为风电场长期有效的载荷监测提供新的手段。
