基于神经网络代理模型的风电机组变桨控制参数优化OA
针对风电机组详细模型复杂度高、计算量大,且变桨参数优化效果不佳的问题,文章提出一种基于代理模型的风电机组变桨控制参数智能优化方法。该方法采用广义回归(GRNN)神经网络,结合机组运行数据建立变桨距风电机组响应特性代理模型,在保留风电机组气动特性的同时,有效提升了仿真计算速度。基于此代理模型,引入改进粒子群算法优化的BP神经网络算法(改进PSO-BPNN算法),以输出功率稳定性和疲劳载荷综合最优为目标,实现对PI参数快速、准确优化。实测数据与仿真算例验证结果表明,该策略可大幅减小风电机组变桨参数优化过程中的计算量,优化所得参数能够实现输出功率稳定性与疲劳载荷的综合最优目标。
周晓飞;刘志力;王晓东;刘颖明;焦一飞;万佳
沈阳工业大学电气工程学院,辽宁沈阳110870国网辽宁省电力有限公司电力科学研究院,辽宁沈阳110055沈阳工业大学电气工程学院,辽宁沈阳110870沈阳工业大学电气工程学院,辽宁沈阳110870沈阳工业大学电气工程学院,辽宁沈阳110870沈阳工业大学电气工程学院,辽宁沈阳110870
能源科技
代理模型仿真速度广义回归神经网络改进PSO-BPNN算法参数优化
《可再生能源》 2026 (2)
P.215-222,8
国家电网有限公司总部科技项目(4000-202355454A-3-2-ZN)。
评论