位置:成果数据库 > 期刊 > 期刊详情页
基于回归分析与BP神经网络的风机噪声预测
  • ISSN号:1006-1355
  • 期刊名称:《噪声与振动控制》
  • 时间:0
  • 分类:TB522[理学—物理;理学—声学;一般工业技术] O241.5[理学—计算数学;理学—数学]
  • 作者机构:[1]新疆大学电气工程学院,乌鲁木齐830047, [2]可再生能源发电与并网技术教育部工程研究中心,乌鲁木齐830047
  • 相关基金:国家自然科学基金(基金编号:51267017);新疆大学自然科学基金(基金编号:XY110129)
中文摘要:

针对能源问题和风力发电机组噪声检测过程复杂的现状,研究IEc61400.11风力发电机组噪声测量技术标准,提出一种回归分析和BP神经网络相结合的方法,对风电机组噪声的A计权声压级进行预测。由风电现场采集的数据建立多元线性回归方程,求取回归系数,分析简化后,用较少的输入量训练BP神经网络,建立机组的噪声预测模型。将模型应用于新疆某风电场的实际测试过程中,效果良好,验证该方法的可行性和有效性。

英文摘要:

Aiming at the complicated process of wind turbine noise detection, the IEC 61400-11 technology standard for noise measurement was studied, and a kind of forecasting method combining regression analysis with BP neural network was put forward. The A-weighted sound pressure level of wind turbine noise was forecasted. The multi-variable linear regression equation was established according to the in-situ collected noise data, and the regression coefficients were obtained. Then the simplified equation was used to train the BP neural network with less input data. Finally, the noise prediction model was established. This model was applied to noise measurement in a wind farm in Xinjiang efficiently. And the feasibility and effectiveness of this method was verified.

同期刊论文项目
同项目期刊论文
期刊信息
  • 《噪声与振动控制》
  • 中国科技核心期刊
  • 主管单位:中国科协
  • 主办单位:中国声学学会
  • 主编:严济宽
  • 地址:上海华山路1954号交通大学
  • 邮编:200030
  • 邮箱:NVC@sjtu.edu.cn
  • 电话:021-62932221
  • 国际标准刊号:ISSN:1006-1355
  • 国内统一刊号:ISSN:31-1346/TB
  • 邮发代号:4-672
  • 获奖情况:
  • 国内外数据库收录:
  • 日本日本科学技术振兴机构数据库,中国中国科技核心期刊,中国北大核心期刊(2004版),中国北大核心期刊(2008版)
  • 被引量:8372