基于Sine-SSA-BP神经网络模型的风机叶根载荷预测

针对风机叶根载荷影响因素复杂、计算量大、非线性和强耦合，采用传统数理分析方法难以建模的问题。文章首先分析了叶根载荷的主要影响因素，并结合多元回归模型建立载荷预测模型；然后采用Bladed对2MW风机实验所得仿真数据划分训练数据集和测试数据集，并利用所得数据对Sine混沌映射改进麻雀算法优化的BP神经网络（Sine-SSA-BP）预测模型进行训练，使用训练后的模型进行叶根载荷预测；最后将预测结果与测试数据、BP神经网络预测模型和极限学习机（ELM）预测模型的预测结果进行对比分析。结果表明，Sine-SSA-BP预测模型性能更佳，预测精度更高，验证了所提方法的可行性和有效性。