服役输电线路风致响应及寿命预测分析

庞大的输电系统是国家最重要的基础设施之一,确保其在长期风荷载作用下的安全性和可靠性,是应该重视的关键问题。采用Abaqus建立了输电塔线体系的精细化有限元模型,对风荷载进行了模拟,考虑受压杆件失稳,通过动力计算方法分析了塔线体系响应并据此确定了其薄弱位置。进一步地,以薄弱杆件的应力时程为指标,基于Miner线性准则描述的损伤规律,采用雨流法预测了不同风速下塔线体系的寿命;随后研究了风荷载模拟关键参数对结构预测寿命的影响,对线路进行整体上的评估。结果表明:以构件失效作为塔线体系结构整体破坏的准则,可为塔线体系的寿命预测提供一定的参考;结构的预测寿命主要由薄弱构件(变坡处主材)控制;此外,风荷载模拟参数对预测寿命有较大影响,持时不同预测寿命差距较大,Kaimal谱模型预测寿命比随机Fourier谱更偏于保守;粗糙长度与预测寿命负相关。

基于Adam优化BP神经网络的风机等效疲劳载荷预测

针对传统风机载荷分析方法计算量大的问题,以风机载荷计算软件OpenFAST的仿真数据为基础,提出一种基于Adam算法优化BP神经网络的风机等效疲劳载荷预测模型。以叶根和偏航处的等效疲劳载荷作为特征样本数据进行训练和测试;采用可决系数和相对误差均值对模型的预测性能进行评估,并与采用随机梯度下降法(SGD)优化的传统载荷预测模型进行对比。结果表明:Adam算法优化下的神经网络载荷预测模型的预测性能要明显优于采用SGD优化的传统预测模型;相较于传统模型,δ_(m)最多可降低31.7%,R^(2)最多可提升7.8%。因此,提出的载荷预测模型能进一步提高风机载荷预测的准确度。

三维湍流风场中雨滴竖向运动特性及FAST索网结构风雨振响应研究

为了揭示大跨度空间结构在风雨耦合作用下的动力响应特征,研究了三维湍流风场中雨滴竖向速度的变化规律。推导了单雨滴在三维湍流风场中的运动方程,分析雨滴运动轨迹和竖向降落速度。引入了雨滴竖向速度比的概念,并通过构建雨压概率的分布,得到一定置信度下的竖向速度比建议值。基于多元非线性回归分析建立了竖向速度比建议值拟合式,确定雨滴竖向速度的计算方法。考虑雨滴与结构的正面、背面两表面发生碰撞,建立了适用于一般结构的雨荷载计算模型,并开展了FAST索网结构在风雨联合作用下的响应研究。结果表明:在三维湍流风场中,雨滴的运动行为表现出复杂的非线性特性,且雨滴竖向末速度和经验竖向末速度不再保持一致;在风雨耦合作用下,由雨荷载引起的FAST索网节点平动位移均值占总均值的39.7%,说明雨荷载对大跨度空间柔性结构的动力响应有较大影响。为此,在结构设计中,风雨联合作用对大跨度空间柔性结构的影响不容忽视。

基于核极限学习机的多变量非平稳脉动风速预测

运用快速集合经验模态分解(FEEMD)技术将非平稳下击暴流风速分解为一系列的固有模态分量。随后,建立核极限学习机(KELM)非平稳风速预测模型(FEEMD-KELM),分别对分解后的非平稳脉动风速训练集和测试集实施预测。为比较,同时考虑了FEEMD-ELM的预测结果。通过比较这两种预测算法的结果,在非平稳下击暴流风速预测的稳定性和精度方面,发现FEEMD-KELM优于FEEMD-ELM。

考虑风速属性约简聚类的组合预测模型

精确的风速预测对于规模化风电并网及系统运行具有重大意义。提出了一种基于快速相关性约简优化K-mediods聚类的双层长短时记忆网络短期风速预测模型。首先,计算各风速序列及其属性序约简优化K-mediods聚类的双层长短时记忆网络短期风速预测模型。即计算各风速序列及其属性序列的相关程度信息熵,运用快速相关性滤波算法进行属性约简,以降低属性维度及删除冗余属性。然后,采用改进K-mediods对约简后的风速数据进行聚类,得到风速关联属性优化序列,保证类内信息准确全面,并利用双层长短时记忆网络挖掘深层特征及短期预测。最后,通过对实际风场风速进行预测,并与实测数据对比,验证了预测模型的准确性及有效性。结果表明,所提方法在风速属性数据的优选方面具有较大优势,通过保留关联紧密的属性信息提高了预测的精度。

基于模型预测控制的双馈风电场无功电压快速优化控制

针对风电场单时间断面预测信息存在的无功控制滞后且电压指令跟随性差的问题,提出一种基于模型预测控制的双馈风电场无功电压控制策略,该策略以风电场并网点电压和机端电压偏差最小为目标。首先,基于时间尺度计算无功设备出力及负荷需求预测信息,建立无功电压预测控制模型。其次,在控制周期内划分更细化的预测控制点,修正预测模型,提前协调并分发双系统控制指令,有效降低反应时间。该策略在风速快速波动时可优化电压控制性能,提高跟随精度,使无功设备快速补偿无功以稳定并网点电压,并合理调控静止无功发生器的动态无功容量,实现无功储备最大化。在MATLAB/Simulink中建立双馈风电场模型进行仿真,结果表明,所提策略能够实现快速协调无功设备出力,有效降低反应时间,增强了风电场无功快速调节能力。

东印度洋海域风和降雨对环境噪声的影响

海面风和降雨对海洋环境噪声影响显著,利用海洋环境噪声模型结合风速和降雨率参数可对环境噪声谱级进行预报.本文研究了东印度洋海域环境噪声特性,分析了海面风速和降雨率对海洋环境噪声的影响规律,结果表明没有降雨时高频段噪声谱级与风速的相关系数可达0.59,存在降雨时高频段噪声谱级和降雨率的相关系数可达0.85,强降雨可使高频段环境噪声谱级增大6 dB以上.同时修正了风生噪声源级公式使其适用于东印度洋深海环境,修正后模型预报强降雨噪声谱级与实验数据整体误差在2 dB以内.利用小范围降雨噪声数据对模型进行验证时发现,在小范围降雨时噪声源模型采用海面非均匀降雨噪声源,比采用均匀噪声源的计算结果更加准确.修正后的风生及降雨噪声模型对东印度洋海洋环境噪声特性预报具有重要意义.

基于二层分解的PSO-LSTM模型风电功率超短期预测

为提升风电功率预测精度,提出基于二层分解技术和粒子群优化长短期记忆(PSO-LSTM)神经网络组合的超短期风电功率预测模型。对风电功率原始数据,采用快速集合经验模态分解(FEEMD)方法将其分解为一系列本征模态函数(IMF)分量和余项,针对高频分量采用变分模态分解(VMD)进行二层分解。运用样本熵来解决分量个数过多、计算量繁杂的问题。通过偏自相关函数(PACF)筛选出与预测值关联程度高的元素确定输入维数。最后,选用PSO来优化LSTM相关参数建立预测模型并叠加获得最终值。试验结果表明,该组合模型有效提高了预测精度。

基于FEEMD-PACF-BP_AdaBoost模型的风电功率超短期预测

针对风电功率超短期预测问题,提出基于快速集合经验模态分解(Fast Ensemble Empirical Mode Decomposition, FEEMD)、样本熵(Sample Entropy, SE)和BPAdaBoost集成神经网络组合的超短期风电功率预测模型。对风电功率原始数据,采用FEEMD方法将其分解为从一系列本征模态函数分量(IMF)和余项;运用样本熵来解决分量个数过多、计算量繁杂的问题,通过PACF(偏自相关系数)筛选出与预测值关联程度高的元素确定输入维数;选用泛化能力强的集成神经网络BPAdaBoost构建单步滚动预测模型并叠加获得最终值。实验结果表明,该组合模型提高了预测精度,具有可行性和有效性。

风电场短期风速的C-C和ELM快速预测方法

风电场短期风速具有随机性、多变性和时变性,故其预测精度和时效性有待提高。本文提出C-C法结合极限学习机ELM的快速预测方法,该方法考虑原始的单变量时间序列风速数据间的最大动态演化信息,采用相空间重构C-C法确定风速时间序列间的相关关系,得到风速变化特征的最佳嵌入维数和延迟时间。进而采用具有算法学习速度快、收敛精度高的ELM方法进行风速的快速预测。通过对重庆某风电场短期风速的预测发现,与神经网络和支持向量机方法预测所得结果相比,不仅提高了短期风速预测精度,而且所用方法的预测时间短,适合风电场对短期风速快速预测的需求。

基于DTW-FCBF-LSTM模型的超短期风速预测

为了实时调整电网调度计划、提高电网消纳风电的能力,提出了一种基于动态时间规整(DTW)进行相似数据分析、快速相关过滤方法(FCBF)进行输入属性特征选择、以及基于长短期记忆神经网络(LSTM)的超短期风速预测方法。利用DTW方法筛选出与待预测数据相似性高的训练样本;运用FCBF算法得到优选的输入特征集;构建LSTM模型进行超短期风速预测。以风电场实测数据为算例,将文中方法与现有算法的预测精度进行了对比,验证了所提方法的有效性和先进性。

风力发电机组部件疲劳损伤预估及在线预测应用研究

由于振动或者外部自然环境的影响,风力发电机组在运行过程中所承受的载荷不确定,导致风力发电机组疲劳问题很复杂。文章基于雨流计数法和Palmgren-Miner线性累积损伤理论,对在役机组各部件的疲劳损伤预估计算。结合机组实际运行数据和部件疲劳损伤的预估值,采用神经网络算法和K-Fold算法建立预测模型,利用该模型可有效预测同一风场其他非标杆机组的部件损伤。结果表明,疲劳损伤的预测误差精度可控制在3%以内,为及时调整相关控制参数和控制策略提供了可靠的依据,进而保证机组运行的稳定性,使风机达到最佳的疲劳寿命。

基于IWOA-FLN的风电功率区间预测方法

传统的点预测难以描述风电功率的随机性和不确定性。针对点预测的不足,提出了基于改进型鲸鱼优化算法和快速学习网(IWOA-FLN)的区间预测模型。首先,通过改进收敛因子、加入自适应惯性权重和混沌搜索策略提高算法的收敛速度和精度;然后,根据上下限估计法提出了新的评价指标;最后,将新的评价指标作为目标函数,使用改进后的鲸鱼优化算法优化FLN网络参数从而得到最后的预测区间。实例证明,所提方法可以有效地提高区间覆盖率、降低区间带宽,具有较强的实际意义。

基于支持向量回归的高铁防灾风雨快速预测方法

铁路在运行过程中,难免会受到暴风雨的侵袭,对列车的安全运行造成巨大的威胁。论文基于支持向量回归算法,预测风速和降雨量,提出监测点补强及迁改建议。

开绕组永磁同步电机系统有限集模型预测控制研究

提出了一种用于开绕组永磁同步电机(OW-PMSM)的快速模型预测控制方法,与传统模型预测电流控制(MPCC)相比,在不影响性能的情况下减少了预测的次数和时间。为了提高OW-PMSM的转速响应和抗负载扰动性,提出了单环模型预测控制(MPC),将速度环MPC和电流环MPC组合一起同时进行模型预测控制。仿真结果表明所提出方法能够有效降低算法复杂度和改善系统控制性能。

风电场复杂尾流场的快速仿真模拟

该文基于自主开发的风电场尾流快速模拟软件WinFm-SJTU,结合Park尾流模型和能量守恒叠加模型,对风电场尾流流动进行了模拟仿真。结果表明,与CFD数值模拟结果相比,WinFm-SJTU能较好预测串列三风机的功率总和以及首台和第二台风机的功率,但对于较小流向间距下的第三台风机功率预报误差较大。为此,考虑到尾流叠加区域内更高的湍流强度引起的速度恢复更快,并基于改进后的能量守恒尾流叠加模型,对包含35台风机的大型风电场进行了仿真模拟,结果表明,WinFm-SJTU能够较好预测不同列向风机中各台风机的尾流损失及功率,风电场总功率误差仅1.02%。以上计算结果表明,WinFm-SJTU软件能够快速准确地模拟风电场尾流流动。