基于LMA的桩式可调风机基础沉降预测研究

摘要

为了消除风电机组因差异沉降带来的风险，设计一种新型桩式可调风机基础，通过变分模态分解(variational mode decomposition, VMD)联合主成分分析法对数据进行预处理，并利用长短时记忆神经网络(long short-term memory networks, LSTM)、多层感知机网络(multilayer perceptron, MLP)及注意力机制(attention),构建多时间尺度的沉降预测(LSTM-MLP-attention, LMA)模型，以实现对风机基础的沉降预测。结果表明：预处理后风机基础监测数据与沉降存在相关性，有效保留了核心信息；LMA模型在短时(6 h)和长时(12、24 h)的预测中表现同样优异，能有效预测未来24 h的沉降趋势变化。

关键词

风机基础 / 神经网络 / 沉降预测 / 现场监测 / 深度学习