基于卷积双向长短期记忆网络的风电机组传动系统疲劳载荷预测

王晓东; 李清; 付德义; 刘颖明; 王若瑾

doi:10.11930/j.issn.1004-9649.202409072

欢迎来到能源电力期刊网！

English Version 读者登录期刊登录

您当前的位置：

首页 >

文章列表页 >

基于卷积双向长短期记忆网络的风电机组传动系统疲劳载荷预测

风电机组暂态运行控制与试验验证关键技术 | 更新时间：2025-10-29

- 基于卷积双向长短期记忆网络的风电机组传动系统疲劳载荷预测
- Fatigue Load Prediction of Wind Turbine Drive Train Based on CNN-BiLSTM
- “在风电机组传动系统领域，专家提出了基于CNN-BiLSTM的疲劳载荷预测模型，有效提高了载荷预测准确度。”
- 中国电力 2025年58卷第4期页码：90-97
- 作者机构：
  
  1.沈阳工业大学电气工程学院，辽宁沈阳　110870
  2.新能源与储能运行控制国家重点实验室（中国电力科学研究院有限公司），北京　100192
- 作者简介：
  
  [ "", "王晓东（1978），男，博士，教授，从事风电大数据处理与智能功率预测、大型风电机组优化设计与控制、大规模储能系统及其功率控制等研究，E-mail：13889296091@163.com" ]
  [ "李清（2000），女，通信作者，硕士研究生，从事风电机组功率载荷协调优化研究，E-mail：2569351753@qq.com" ]
- 基金信息：
  
  国家电网有限公司科技项目（考虑安全约束的电网故障过程风电机组机电耦合机理及控制方法研究，4000-202355454A-3-2-ZN）。
- DOI：10.11930/j.issn.1004-9649.202409072
  中图分类号：
- 收稿：2024-09-18，
  
  修回：2025-03-14，
  
  纸质出版：2025-05-28
- 稿件说明：
移动端阅览
王晓东, 李清, 付德义, 等. 基于卷积双向长短期记忆网络的风电机组传动系统疲劳载荷预测[J]. 中国电力, 2025,58(4):90-97.

Xiaodong WANG, Qing LI, Deyi FU, et al. Fatigue Load Prediction of Wind Turbine Drive Train Based on CNN-BiLSTM[J]. Electric power, 2025, 58(4): 90-97.
王晓东, 李清, 付德义, 等. 基于卷积双向长短期记忆网络的风电机组传动系统疲劳载荷预测[J]. 中国电力, 2025,58(4):90-97. DOI： 10.11930/j.issn.1004-9649.202409072.

Xiaodong WANG, Qing LI, Deyi FU, et al. Fatigue Load Prediction of Wind Turbine Drive Train Based on CNN-BiLSTM[J]. Electric power, 2025, 58(4): 90-97. DOI： 10.11930/j.issn.1004-9649.202409072.

浏览量

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

基于XGBoost与LSTM的风力发电机绕组温度预测

风电机组叶片无损检测技术研究与进展

基于DRS与改进Autogram的风电齿轮箱复合故障特征提取

直流母线过压对风电机组高电压穿越影响

基于卷积双向长短期记忆网络的风电机组传动系统疲劳载荷预测

Fatigue Load Prediction of Wind Turbine Drive Train Based on CNN-BiLSTM

DOI：10.11930/j.issn.1004-9649.202409072