[发明专利]一种基于BP神经网络的风机载荷预测及分析方法、装置及存储介质

权利要求书

1.一种基于BP神经网络的风机载荷预测及分析方法，其特征在于，包括：

S1：利用bladed软件对需要进行载荷测算的机组进行建模；

S2：生成正常发电状态下若干风工况，利用S1建立的模型对风机在不同风工况下关键部位的载荷进行模拟，并统计形成数据集；

S3：建立BP神经网络，设置初始训练参数，并将S2形成的数据集划分为训练集、验证集和测试集；并采用训练集对BP神经网络进行训练，获得输入与输出的映射关系；

S4：对训练完成的BP神经网络进行迭代优化，获得优化后的BP神经网络；利用优化后的BP神经网络对测试集进行测试，获得输出结果，实现对特定机组在不同风况下关键部位载荷情况的预测；

S5：提取S4得到的优化后的BP神经网络的特征参数，利用Garson算法分析不同的输入变量对输出变量影响的权重，实现不同风况参数对机组载荷影响的敏感性分析。

2.如权利要求1所述的基于BP神经网络的风机载荷预测及分析方法，其特征在于，S2中，通过在一定范围内生成随机数的方式产生风工况，生成的风工况数量≥100个。

3.如权利要求1所述的基于BP神经网络的风机载荷预测及分析方法，其特征在于，S2中，对风机在不同风工况下关键部位的载荷进行模拟时，包括风速、空气密度、湍流强度、入流角，风切变、偏航误差对叶根和塔底关键部位的载荷影响。

4.如权利要求1所述的基于BP神经网络的风机载荷预测及分析方法，其特征在于，S3中，BP神经网络的初始训练参数包括神经网络隐含层级数、隐含层神经元个数、训练次数、学习速率和误差限。

5.如权利要求1所述的基于BP神经网络的风机载荷预测及分析方法，其特征在于，S3中，对BP神经网络进行初始训练时，通过BP神经网络的反向传播原理，利用梯度搜索技术，使BP神经网络的实际输出值和期望输出值的误差均方差为最小，获得最优训练参数。

6.如权利要求1所述的基于BP神经网络的风机载荷预测及分析方法，其特征在于，S4中，对BP神经网络进行迭代优化时，调整隐藏层神经元节点数，分别对训练集进行训练，记录不同隐藏层神经元节点数所对应的验证集的均方误差，确定最优隐藏层神经元节点数。

7.如权利要求6所述的基于BP神经网络的风机载荷预测及分析方法，其特征在于，S4中，最优隐藏层神经元节点数的确定原则为，使验证集均方误差最小，同时多重确定系数R最大。

8.如权利要求1所述的基于BP神经网络的风机载荷预测及分析方法，其特征在于，S5中，所述优化后的BP神经网络的特征参数，包括从输入层到隐藏层的权重矩阵、从隐藏层到输出层的权重矩阵和所有层的偏置矩阵；Garson算法的具体表示为：

其中，p为输入层单元数，n为隐含层的神经元个数，I_i为第i个因素的影响权重，W¹_j.i为从输入层第i个神经元到隐含层第j个神经元的权重，W²_1,j为从隐含层第j个神经元到输出层的权重。

9.一种计算机设备，其特征在于，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如权利要求1至8任一项所述的基于BP神经网络的风机载荷预测及分析方法的步骤。

10.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至8任一项所述的基于BP神经网络的风机载荷预测及分析方法的步骤。