论文部分内容阅读
针对风机系统载荷种类多、非线性、强耦合，根据传统的机理建模方法建立叶根载荷模型复杂、运算量大难以用于实时控制的问题，提出基于极限学习机（ELM）的叶根载荷神经网络预测模型。对影响叶根载荷的因素进行了分析，并结合主元分析方法确定模型的输入，利用美国可再生能源实验室（NREL）数据建立训练集和测试集，对5 MW风机的叶根载荷进行辨识建模和预测，并与用支持向量机（SVM）建立的叶根载荷模型进行比较，结果表明ELM模型的训练速度快、预测精度高，验证了所提方法的可行性和有效性。