【技术实现步骤摘要】
—种风力发电机组变桨安全性的预测算法
本专利技术属于风电
，具体涉及。
技术介绍
风能作为一种清洁的可再生能源，可以很大程度上解决不可再生能源环境污染问题，尤其在化石能源面临枯竭，温室气体排放日渐增多，已经严重影响了世界气候的情况下，世界各国已经十分关注风能技术的应用和发展。我国有广袤的草场资源和漫长的海岸线，风能资源储量丰富，但由于风能资源自身的特点决定了风场的自然环境一般都比较恶劣，较多的分布在严寒的北方和潮湿的沿海区域。当风力发电机组在低温环境下如潮湿空气、降雨或冰雪天气运行时，就会发生冰冻现象。风力发电机组桨片附冰不仅会产生冰载，而且会影响叶片的寿命。若桨片带冰运行，更会对机组产生很大的危害:(1)如果因叶片有冰而导致机组直接停机，就会使得长期处于低温区的机组发电量大大降低；(2)叶片附冰后，由于叶片每个截面附冰厚度不一，会直接影响风力发电机组的载荷和出力，使得机组的发电效率降低；(3)叶片附冰，不仅会对风机自身产生安全隐患，还会对现场工作人员、当地居民以及牲畜等资源造成威胁。
技术实现思路
为解决上述问题，本专利技术提供了，旨在延长机组浆片使用寿命，提高机组发电效率。本专利技术的设计思路为:本专利技术利用对风速、叶轮转速、叶片在空间位置、变桨角度、空气温度、空气湿度、风机振动数值以及叶片材质系数等一系列参数的采集，通过采用BP三层神经网络技术对叶片附冰可能性进行预测。本专利技术的技术方案具体如下:—种风力发电机组变桨安全性的预测算法，采用BP三层神经网络对叶片附冰的可能性进行预测，所述的BP三层神经网络包括输入层、隐层和输出层...
【技术保护点】
一种风力发电机组变桨安全性的预测算法，其特征在于：采用BP三层神经网络对叶片附冰的可能性进行预测，所述的BP三层神经网络包括输入层、隐层和输出层；输入层包括8个输入节点，分别为：风速x1、空气温度x2、空气湿度x3、变桨角度x4、叶轮转速x5、叶片的空间位置x6、风机振动数值x7、叶片材质系数x8；隐层包括有3个节点z1?z3；输出层包括1个输出节点：结冰速度v；输入节点，隐层节点和输出节点的函数关系如下：zk=f1(Σi=0nhkixi)v=f2(Σi=03wkzk)---k=1,2,3xi代表机组采集的可能影响结冰数据的综合值，f1，f2为神经网络固有参数，n为常数，i为某一参数，输入层与隐层之间的权值为h，隐层与输出层的权值为w，zk为隐层节点，v为结冰速度，k为三个叶片编号；所述的输入层与隐层之间的权值h、隐层与输出层的权值w、f1、f2是通过软件仿真得出的；所述的BP三层神经网络的工作步骤为：首先对BP三层神经网络进行测试，当BP三层神经网络的性能和误差都收敛到一定标准后，利用测试好的BP三层神经网络进行附冰预测；然后将新的结冰条件作为输入，利用BP三...
【技术特征摘要】
1.一种风力发电机组变桨安全性的预测算法，其特征在于:采用BP三层神经网络对叶片附冰的可能性进行预测，所述的BP三层神经网络包括输入层、隐层和输出层；输入层包括8个输入节点，分别为:风速xl、空气温度x2、空气...
【专利技术属性】
技术研发人员：马靖聪，矫斌，李楠，
申请(专利权)人：大连尚能科技发展有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。