摘要
本发明公开了一种基于TCN的浮式风机系泊张力短期预测方法及设备,属于漂浮式风电技术领域。该方法首先获取不同情况下的六自由度运动响应和系泊张力构建训练集,然后将六自由度运动响应的位移、速度、加速度、急动度作为输入,系泊张力作为输出,通过训练得到最优神经网络模型后,在实时监测中通过神经网络模型预测系泊张力,在利用TCN模型前,对训练数据集中数据进行标准化处理,其中系泊张力采用改进Z‑score标准化处理,利用预张力作为均值建立改进的标准化公式。最后采用优化后的TCN模型实现浮式风机系泊张力短期的精准预测。
技术关键词
时序卷积神经网络
短期预测方法
浮式风机
神经网络模型
六自由度运动
加速度
漂浮式风电
浮式系统
水池环境
构建训练集
训练集数据
计算机装置
软件仿真
误差
超参数
存储器
处理器