Page 129 - 201806

第 37 卷 第 6 期 张智勇等： 基于数据融合的风电机组噪声预测 959

GA-SVR 回归预测模型的改进，在传统的终止判别 3 仿真实验
中加入能试用于噪声的平均适度值精度，以弥补传
3.1 样本数据
统遗传算法引起的缺陷。
2014 年 8 月，对新疆某风电场 GW87/1500 型
设平均适度值精度为 SMSE，先求出回归模型
风电机组，在其正常运行状态时进行了噪声数据的
的平均平方误差(Mean-square error, MSE)，即
采集，在采集中设定了标准测试位 1 个、备用测试
( m ) 2
1 ∑ 位3个，用于现场麦克风设备的置放，测量示意图如
MSE = y i − ¯y i , (9)
m 图 4 所示。机组相关参数如表1所示，实验依据国标
i=1
持续采集了 30 min。从采集样本中选取 250个数据
式 (9) 中，m 为样本点数，y i 为实际值，¯y i 为预测值。
点作为训练样本，另对应选取 250 个样本点作为测
然后由噪声信号特征计算出适度值精度判断条件：
试样本，进行实验仿真。
  −1
( ) 2
m
1 ∑
SMSE =  y i − ¯y i + β  < α, (10)
m
i=1
D
式(10)中，α、β 均为正数，β 是一较小的正数，α是经
验所得判别正数。
H
2.5 多源数据特征级融合与改进的 GA-SVR
相结合
多元线性回归诊断能够提高数据样本的有效 R 0
性，再结合信息熵的噪声信号特征保留性，将这些
图 4 麦克风测点位置侧视图
特点通过改进的 GA-SVR 完成多源数据特征级融
Fig. 4 Side view of microphone measuring point
合，建立有效模型实现风电机组噪声预测，其流程如
position
图 3所示。
表 1 噪声测量中的相关参数
थቡڀॆവی Table 1 The related parameters in noise
473Ԡ஝Ѻݽӑ
measurement
("ᎄᆊ
۳̆ڀॆѬౢᄊ஝૶ចல
参数 数值
መᏆѺݽӑ
轮毂高度 H 70 m
۳̆ηৌ྅ᄊྲढ़᧚ଢԩ
风轮直径 D 87 m
473ካขូၹ
测点位置 R 115 m
ᆸࠀ
ழᏆʹ ˔ʹᤠऄएϙᝠካ 载放铝板直径 1 m
海拔高度 1500 m
௧
ጼൣѼѿ౎͈ ४҂͖ӑԠ஝ 地表粗糙度 (常数，无量纲) 0.05
麦克风相对风机地基平面高度 1 m
ஈᤉᄊ("-473വی
ա
᥌͜୲ͻ വیᝫጷ
3.2 多元线性回归诊断
४҂త͖ᄊ("-473വی 非声学参数 X 1 表示轮毂风速、X 2 表示环境温
度、X 3 表示变桨角度、X 4 表示偏航角度、X 5 表示发
ྲढ़ጟູܳ஝૶ᚸՌᮕ฾ 电机温度、X 6 表示输出功率、X 7 表示发电机转速、
X 8 表示齿轮箱转速、X 9 表示大气气压，用这 9 个非
४҂ፇ౧
声学参数进行噪声预测时，不可避免地会因输入变
图 3 多源数据融合结合改进的 GA-SVR 量维度过多、关系密切而产生共线性的影响，因此
Fig. 3 Multi-source data fusion with improved GA-SVR 进行回归诊断可提高实验可靠性。