基于极限学习机的风电机组变桨距系统辨识方法研究

摘要

针对风电机组在运行过程中难以建立精确的数学模型的特点,将极限学习机应用在风电机组变桨距系统辨识中.通过对变桨距系统的动态过程进行分析,确定了变桨距系统辨识的输入输出.风速和桨距角作为极限学习机神经网络模型的输入,发电机功率作为极限学习机神经网络模型的输出.从而构建输入输出的样本集,对网络进行训练,当学习精度满足要求,确定网络隐层节点数,得出ELM神经网络变桨距辨识模型.仿真结果表明,ELM神经网络算法在变桨距系统辨识中具有比较高的辨识精度和效率.