Kurzfristige Vorhersage der Nacellenorientierung mithilfe der bilinearen Transformation und des ICEEMDAN-Rahmenwerks

Um die Energiegewinnung zu maximieren, folgt die Nacelle einer Windturbine der Windrichtung. Eine genaue Vorhersage der Windrichtung ist entscheidend für die Yaw-Kontrolle. Ein hybrider Tandemansatz zur Verbesserung der Vorhersagegenauigkeit der Windrichtungsdaten wird entwickelt. Der in diesem Papier vorgeschlagene Ansatz umfasst die bilineare Transformation, effektive Datenzerlegungstechniken, rekursive neuronale Netze mit Langzeit-Kurzzeit-Gedächtnis (LSTM-RNNs) und Fehlerkorrekturmethoden zur Zerlegung. Im vorgeschlagenen Ansatz werden die angularen Windrichtungsdaten zunächst in Zeitserien umgewandelt, um den gesamten Bereich der Yaw-Bewegung zu berücksichtigen. Anschließend werden die kontinuierlich transformierten Serien mithilfe einer neuartigen Zerlegungstechnik in eine Gruppe von Teilserserien zerlegt. Für jede Teilserserie werden dann die Windrichtungen mit LSTM-RNNs vorhergesagt. Im letzten Schritt werden die Fehler für jede vorhergesagte Teilserserie zerlegt, um die vorhergesagte Windrichtung zu korrigieren, und dann erfolgt eine inverse bilineare Transformation, um die endgültige Windrichtungsprognose zu erhalten. Die Robustheit und Effektivität des vorgeschlagenen Ansatzes werden mit Daten verifiziert, die von einem Windpark in Huitengxile, Innermongolei, China, gesammelt wurden. Rechnerische Ergebnisse zeigen, dass der vorgeschlagene hybride Ansatz die anderen getesteten Einzelansätze zur Vorhersage der Nacellenrichtung über kurzfristige Zeiträume übertrifft. Der vorgeschlagene Ansatz kann für praktische Windparkbetriebe nützlich sein.