[发明专利]一种风力发电机组变桨安全性的预测算法

摘要

一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；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；本发明延长了机组浆片使用寿命，提高了机组发电效率。

主权项

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： z k = f 1 ( Σ i = 0 n h ki x i ) v = f 2 ( Σ i = 0 3 w k z k ) - - - k = 1,2,3 xi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三层神经网络预测每片叶片结冰厚度；最后当v值超过限值vmax一定时间t1后，可以认为风机叶片表面已经结冰，结冰的厚度积累到一定时间t2后，机组进行相关的除冰动作。