基于BP神经网络的风机关键部件故障预测

利用风电场短期预测系统对数据进行提取分析并建立BP神经网络故障预测模型,对设备运行参数进行预测,掌握设备运行状态,对保障机组的稳定可靠运行和提高风场的经济效益有积极作用。运用BP神经网络算法对齿轮箱轴承温度进行预测,所得结果与预期一致,平均误差控制在5%以内,验证了该网络模型的可行性与合理性。