[发明专利]一种基于BP神经网络的双馈风电机组参数辨识方法及装置

权利要求书

1.一种基于BP神经网络的双馈风电机组参数辨识方法，其特征是，包括以下过程：

基于仿真平台搭建含双馈风电场的单机无穷大系统，仿真获得风电机组转子转速的响应信息；

计算风电机组转子转速响应信号的功率谱，并提取功率谱的特征信息；

计算双馈风电机组模型参数的频域灵敏度，根据灵敏度大小确定待辨识重点参数；

改变双馈风电机组的待辨识重点参数的数值进行多次仿真，得到多组转子转速功率谱的特征信息与待辨识参数组成的数据集；

以转子转速功率谱的特征信息作为输入、待辨识重点参数的数值作为输出，基于数据集训练BP神经网络；

获取实际风电机组的转子转速的响应信息，利用训练后的BP神经网络来辨识重点参数，最后输出重点参数辨识结果；

所述功率谱的特征信息包括在显著周期下的功率谱密度值，所述在显著周期下的功率谱密度值的计算过程为：

计算信号功率谱显著周期需要对比标准谱大小，首先计算白噪声标准功率谱s_0k，然后得到显著性水平为α下的白噪声标准功率谱s′_0k，如果某响应信号的功率谱s_k＞s′_0k，表明此时波数k对应的周期值T_k即为显著周期；

其中，m为最大滞后时间长度，n为样本量，s_k为信号在波数k＝0,1,...,m时的功率谱估计值；s′_0k为用于比较的白噪声标准谱，是遵从自由度w的分布，自由度w与样本量n及最大滞后长度m有关，取显著性水平α＝5％，查表可得值；T_k为显著周期值；

s_k＞s′_0k为对应显著周期下的功率谱密度值。

2.根据权利要求1所述的一种基于BP神经网络的双馈风电机组参数辨识方法，其特征是，所述双馈风电场的单机无穷大系统中，双馈风电机组采用Matlab/Simulink仿真平台中的平均模型。

3.根据权利要求1所述的一种基于BP神经网络的双馈风电机组参数辨识方法，其特征是，所述双馈风电场的单机无穷大系统中，选取湍流风速作为激励，湍流风速v数值表达为：

由于湍流风速能量集中于低频范围，取定频率f范围划分为N等分，N即为频率尺度；角频率ω_i＝2πf_i＝(i-0.5)Δω_i,i＝1,2,...,N，S_v(ω_i)为在角频率ω_i下的双侧Kaimal功率谱；t为时域尺度；为-2π～2π的随机变量。

4.根据权利要求1所述的一种基于BP神经网络的双馈风电机组参数辨识方法，其特征是，所述功率谱的特征信息还包括：6个频域统计指标，所述6个频域统计指标包括均值频率、重心频率、均方频率、频率方差、均方根频率以及频率标准差。

5.根据权利要求1所述的一种基于BP神经网络的双馈风电机组参数辨识方法，其特征是，所述计算双馈风电机组模型参数的频域灵敏度，包括：

按如下的表达式计算双馈风电机组模型参数的频域灵敏度：

其中，S_YY(ω,θ)为转子转速信号的功率谱；Δθ为某模型参数θ的偏差量。

6.根据权利要求1所述的一种基于BP神经网络的双馈风电机组参数辨识方法，其特征是，所述根据灵敏度大小确定待辨识重点参数，包括：

以灵敏度最小的参数为基准，当其它参数的灵敏度大于最小参数灵敏度的设定倍数以上时，将该参数确定为待辨识重点参数。

7.根据权利要求6所述的一种基于BP神经网络的双馈风电机组参数辨识方法，其特征是，所述设定倍数为10倍。