机械工程学报

作者：肖钊, 曹智辉, 邓杰文, 段书用, 赵前程, 戴巨川, 陶洁

单位：1. 湖南科技大学机电工程学院 湘潭 411201;2. 湖南科技大学计算机科学与工程学院 湘潭 411201;3. 智能配用电装备与系统全国重点实验室(河北工业大学) 天津 300401

关键词：风电机组载荷预测,光纤光栅传感器,门控循环神经网络,状态评估；

基金：国家重点研发计划(2022YFF0608700)、湖南省杰出青年基金(2024JJ2031)、湖南省自然科学基金(2023JJ30265)和湖南省科技创新计划(2023RC3174)资助项目。

风电机组服役环境恶劣，对运行载荷的监测和分析是提升设备可靠性和发电性能的关键因素，由于载荷监测设备成本高昂，现役风电机组并未大范围安装载荷传感器，对风机载荷进行实时监测。为此，提出一种基于门控循环神经网络(Gated recurrent unit neural network，GRU)的风机载荷预测方法，利用少量载荷测试数据和数据采集与监视控制系统(Supervisory control and data acquisition，SCADA)数据进行载荷预测。该方法采用机理知识和皮尔逊相关性分析确定影响风电机组运行载荷关键参数，然后选取SCADA中相关的实时数据作为模型输入，通过门控循环神经网络实现风机载荷的实时预测。试验中对极端运行工况下的载荷进行预测，并将GRU模型与MLP、LSTM、RNN模型进行了对比，结果表明GRU模型在预测精度及误差最小化方面表现更好。最后，通过多参数的消融试验，证明GRU模型具有较强的鲁棒性，可以利用现有SCADA数据实现对大规模风电机组载荷进行预测，为进一步风电机组结构状态评估和寿命预测提供支撑。

来源：2025年第8期

《机械工程学报》期刊编辑部

查看机械工程学报杂志2025年第8期