基于Sym-PSO-BPNN模型的风机净空值预测方法研究  

作　　者：王新宇 杜伟豪 王洪亮 

机构地区：[1]山东绿色能源投资有限公司,山东济南250000 [2]吉鲁(长岭)新能源有限公司,吉林长岭131500

出　　处：《电子元器件与信息技术》2024年第6期41-44,48,共5页Electronic Component and Information Technology

摘　　要：本文提出了一种基于小波分解、粒子群优化(PSO)和反向传播神经网络(BPNN)的风机叶片净空值预测方法。该方法首先利用小波分解技术将风机净空值的原始数据分解为不同频率的子序列,以捕捉数据的局部特征和趋势,然后引入PSO算法对BPNN的权值和阈值进行优化,以改善神经网络的预测性能,提高风机叶片净空值的预测精度和稳定性。实验结果表明,基于Sym-PSO-BPNN模型的风机叶片净空值预测方法具有较高的预测精度和可靠性,能够为风电场的运行和管理提供有效的决策支持。

关 键 词：风电机组 叶片净空 Sym-PSO-BPNN 预测方法 

分 类 号：TM315[电气工程—电机] TP18[自动化与计算机技术—控制理论与控制工程]