文 | 周書鋒 方郁鋒
基于BP神經網絡和iSIGHT平臺的風電機組設計年發電量預測
文 | 周書鋒 方郁鋒
隨著中國風電產業多年的快速發展,風電技術人員已經積累了大量的設計、測試和運行數據。在大數據時代背景下,如何對這些數據進行分析和挖掘,總結內在規律,開發外延應用,對今后的風電技術發展有著重要意義。
人工神經網絡簡稱神經網絡,是一種非線性統計性數據建模工具,常用來對輸入和輸出間復雜的關系進行建模。神經網絡可以通過有監督的學習,觀察有限數量的包含輸入和預期輸出的訓練樣本,不斷調整網絡內部節點之間的閾值和權重,最終形成對未知樣本的預測能力。
本文選取與風電機組年發電量密切相關的機組參數,包括額定功率、風輪直徑、葉尖線速度、設計葉尖速比、最大風能利用系數、切出風速、空氣密度、年平均風速共8個變量作為網絡的輸入,結合相應的Bladed模型計算的年發電量作為網絡的輸出,形成網絡的訓練樣本,并使用iSIGHT平臺的優化算法,完成了風電機組設計年發電量預測模型。只要給出任意輸入參數,即使沒有任何相關的機組模型,也能夠預測該機型的設計年發電量,或者通過期望的設計年發電量來反推機組參數。
一、BP神經網絡和Matalab實現
BP神經網絡是一種按誤差逆傳播算法訓練的多層前饋神經網絡,是目前發展最成熟、應用最廣泛的神經網絡類型之一。該網絡的特點是能夠學習和存貯大量的輸入輸出模式映射關系,而無需事先描述這種映射關系的數學模型。……