基于BP神经网络的多变量风力发电机绕组温度预测

摘要

故障预测对提高风电机组的可靠性和可利用率具有重要作用.绕组温度超标是风电机组发电机故障的重要特征之一.本文建立了3层BP网络,将半小时内的风电机组轮毂转速、发电机转矩、机舱温度、绕组温度作为输入单元,通过数据训练和测试,输出当前工况下的绕组温度预测值,并以国内某风机为例,对预测结果与实测数据进行对比分析.结果显示,所建模型计算速度快、精度高,验证了BP神经网络在风电机组绕组温度预测中的适用性.