[发明专利]在役风电机组高精度数值建模方法、服务端及存储介质

说明书

本申请提供在役风电机组高精度数值建模方法、服务端及存储介质，其中，该方法包括以下步骤：获取样本数据：获取风电机组的材料参数标定值，在标定值的误差区间内抽样、处理得到材料参数样本；建立风电机组的仿真模型，仿真并输出每个材料参数样本所对应的节点位移样本；将样本数据分为训练集与测试集；搭建神经网络，将训练集中的材料参数样本作为神经网络的输入，将训练集中的节点位移样本作为所述神经网络的输出；训练神经网络，获取最优的权值及偏置信息；将训练后的神经网络反向，构建反向神经网络；将测试集中的节点位移样本输入至反向神经网络中，输出风电机组的材料参数。通过上述步骤，使得可准确、快速确定风电机组的材料参数。

技术领域

本公开一般涉及风电机组技术领域，具体涉及在役风电机组高精度数值建模方法、服务端及存储介质。

背景技术

风电机组通过风力发电，其具有可再生、环境效益好、基建周期短、装机规模灵活等优点；为了使风能成为一种可靠的能源，需要考虑到材料参数对风电机组的影响；

风电机组在役一段时间后，会出现材料退化，此时风电机组的材料参数与出厂时标定的材料参数数值存在差异；而材料参数难以直接测量，需要将风电机组拆解测试，拆卸工序复杂且影响了正常使用；而采用间接法：例如梯度迭代，其对于复杂问题容易陷入局部最优；又例如蚁群算法、遗传算法，其往往需要庞大的工作量，效率较低。

发明内容

鉴于现有技术中的上述缺陷或不足，期望提供可准确、快速确定在役风电机组高精度数值建模方法、服务端及存储介质。

第一方面，本申请提供在役风电机组高精度数值建模方法，包括以下步骤：

获取样本数据：获取风电机组的材料参数标定值，在所述标定值的误差区间内抽样、处理得到材料参数样本；建立所述风电机组的仿真模型，仿真并输出每个所述材料参数样本所对应的节点位移样本；将所述样本数据分为训练集与测试集；

搭建神经网络，将所述训练集中的材料参数样本作为所述神经网络的输入，将所述训练集中的节点位移样本作为所述神经网络的输出；

训练神经网络，获取最优的权值及偏置信息；

将训练后的神经网络反向，构建反向神经网络；

将所述测试集中的节点位移样本输入至所述反向神经网络中，输出所述风电机组的材料参数。

根据本申请实施例提供的技术方案，所述材料参数包括弹性模量、剪切模量以及泊松比。

根据本申请实施例提供的技术方案，设置所述神经网络每层中的神经元个数，其中，为第l层神经元的个数，k为设定值；

定义loss函数，选择优化器，形成所述神经网络。

根据本申请实施例提供的技术方案，所述神经网络具体为：

其中，为激活函数；表示第l层的第i个神经元与第l-1层的第j个神经元相连接的权值；第l层第i个神经元的偏置。

根据本申请实施例提供的技术方案，所述反向神经网络具体为：

其中，为所述反向神经网络的权值矩阵，为所述反向神经网络的偏置矩阵。

根据本申请实施例提供的技术方案，输出所述风电机组的材料参数后还包括以下步骤：

将所述材料参数与所述测试集中材料参数样本进行比较，获取误差数据；

对所述误差数据进行分析，验证算法的准确性。

根据本申请实施例提供的技术方案，建立所述风电机组的仿真模型的方法具体为：