Advanced control methods for coordinatively optimizing active power dispatch and fatigue load distribution of wind turbines (WTs) in mountain wind farms, require the fatigue load modeling that has not been fully studied. This study proposes a data‐driven modeling method for fatigue loads of large‐scale WT under active power regulation. Firstly, load simulations based on Monte Carlo approach are conducted to overcome the uncertainty of fatigue load caused by turbulent wind. Subsequently, the target components of WT are selected according to the fatigue load dataset distribution at various power setpoints and the sensitivity to active power. Specifically, the Jarque–Bera statistic is used to evaluate the distribution characteristics of datasets; the single‐value processing determines the valid value through the maximum probability of the Gaussian kernel density distribution of the dataset; the Morris screening is employed to select the valid value with high sensitivity to active power regulation. Afterwards, arbitrary polynomial chaos expansion and support vector regression are performed to establish the data model of fatigue loads, respectively. Finally, the proposed method is applied into a 1.5‐MW commercial WT model designed by the manufacturer through the Bladed software. The obtained data‐driven model establishes a basis of simultaneously optimizing active power dispatch and fatigue load distribution, making it possible to reduce energy cost in mountain wind farms.

中文翻译：

---

有功功率调节下大型风力发电机疲劳载荷的数据驱动建模

用于协调优化山地风电场风力涡轮机（WT）的有功功率分配和疲劳负荷分配的先进控制方法，需要尚未进行充分研究的疲劳负荷模型。这项研究提出了一种基于数据驱动的大型WT在有功功率调节下的疲劳载荷建模方法。首先，进行了基于蒙特卡洛方法的载荷模拟，以克服湍流引起的疲劳载荷的不确定性。随后，根据在各种功率设定点的疲劳载荷数据集分布以及对有功功率的敏感性，选择WT的目标组件。特别是，Jarque-Bera统计量用于评估数据集的分布特征。单值处理通过数据集的高斯核密度分布的最大概率确定有效值；Morris筛选用于选择对有功功率调节高度敏感的有效值。然后，进行任意多项式混沌扩展和支持向量回归，分别建立疲劳载荷的数据模型。最后，将所提出的方法应用于制造商通过Bladed软件设计的1.5兆瓦商用WT模型中。所获得的数据驱动模型为同时优化有功功率分配和疲劳负荷分配奠定了基础，从而有可能降低山区风电场的能源成本。Morris筛选用于选择对有功功率调节高度敏感的有效值。然后，进行任意多项式混沌扩展和支持向量回归，分别建立疲劳载荷的数据模型。最后，将所提出的方法应用于制造商通过Bladed软件设计的1.5兆瓦商用WT模型中。所获得的数据驱动模型为同时优化有功功率分配和疲劳负荷分配奠定了基础，从而有可能降低山区风电场的能源成本。Morris筛选用于选择对有功功率调节高度敏感的有效值。然后，进行任意多项式混沌扩展和支持向量回归，分别建立疲劳载荷的数据模型。最后，将所提出的方法应用于制造商通过Bladed软件设计的1.5兆瓦商用WT模型中。所获得的数据驱动模型为同时优化有功功率分配和疲劳负荷分配奠定了基础，从而有可能降低山区风电场的能源成本。制造商通过Bladed软件设计的5兆瓦商用WT模型。所获得的数据驱动模型为同时优化有功功率分配和疲劳负荷分配奠定了基础，从而有可能降低山区风电场的能源成本。制造商通过Bladed软件设计的5兆瓦商用WT模型。所获得的数据驱动模型为同时优化有功功率分配和疲劳负荷分配奠定了基础，从而有可能降低山区风电场的能源成本。