风力发电机组部件疲劳损伤预估及在线预测应用研究

摘要

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。