沈阳工业大学 王晓东等｜基于卷积双向长短期记忆网络的风电机组传动系统疲劳载荷预测
本文以风电机组的传动系统疲劳载荷为研究对象，通过分析风电机组的桨距角、发电机电磁功率以及风轮转速等因素对疲劳载荷的影响，采用OpenFAST软件进行多组运行条件下的模拟，得到不同工况下的载荷时序数据，并利用雨流计算法对其进行处理，建立传动系统疲劳载荷特性数据库。在此基础上，引入CNN-BiLSTM模型进行风机传动系统疲劳载荷的预测。模型的平均相对误差在2.5%以内，可决系数达到0.9以上，表现出优异的预测性能，符合工程实际需求。与传统的DNN和LSTM模型相比，CNN-BiLSTM模型的预测误差更小，表现出更好的预测效果，验证了其在风电机组传动系统疲劳载荷预测中的优越性和准确性。
- 2025-05-15
- 阅读298
- 下载0
- 18页
- pdf
