一种基于模糊综合评判的风电机组状态参数异常辨识方法技术

本发明专利技术涉及一种基于模糊综合评判的风电机组状态参数异常辨识方法，该方法包括以下步骤：S1：根据状态参数广义模糊异常辨识模型的选择结果获取测试样本的平均绝对误差，得到各预测模型权重；S2：通过各预测模型实现对待分析时段的状态参数预测；S3：通过各预测模型的残差实现对状态参数的状况分析，得到各模型残差异常指数；S4：计算各指标的模糊隶属度，构成模糊评判矩阵，计算输出层评估值；S5：评估结果的输入依据隶属度最大原则，对应的评语作为评判结果。本发明专利技术采用的方法基于风电场SCADA数据，易于编程实现，能准确有效地反映参数的异常；综合考虑多个预测模型异常辨识结果可提高状态参数异常辨识的准确性。

【技术实现步骤摘要】

本专利技术属于新能源电力设备安全评估
，涉及一种基于模糊综合评判的风 电机组状态参数异常辨识方法。
技术介绍
风电场SCADA(Supervisory Control And Data Acquisition)系统中机组的状态 监测参数不仅是设备工作状况的体现，同时也蕴含机组健康状态的相关信息。基于SCADA系 统的机组状态参数异常工况识别，是获取风电机组可靠性信息的重要途径。然而，SCADA系 统中的状态参数易受风速、环境温度的影响，机组的异常信息容易被掩盖。 目前对机组状态参数进行异常识别的主要方法是建立风电机组状态的参数的预 测模型，并依据预测所产生的残差对机组状态进行辨识。此类方法的有效性和准确性主要 基于：1)预测模型能够准确的实现状态参数的预测。2)预测模型的数据样本均来源于机组 正常运行时。已有研究主要是通过优化预测模型的输入参数达到预测精度提高的目的，但 对数据样本的影响考虑较少。实际应用中，模型样本数据的选择对状态参数的预测和异常 辨识均有较大的影响。基于历史数据作为训练样本的预测模型，由于设备老化和维修会对 模型精度产生影响，基于近期数据作为训本文档来自技高网...

【技术保护点】
一种基于模糊综合评判的风电机组状态参数异常辨识方法，其特征在于：包括以下步骤：S1：根据状态参数广义模糊异常辨识模型的选择结果获取测试样本的平均绝对误差，并由以下公式得到各预测模型权重ωi：ωi=(1-MAEiΣi=1NMAEi)/Σi=1N(1-MAEiΣi=1NMAEi)=(1-MAEiΣi=1NMAEi)/(N-1)]]>式中，MAEi为预测模型i对测试样本进行预测的平均绝对误差值；S2：通过各预测模型实现对待分析时段的状态参数预测；模型的预测采用窗口滚动的方式，状态参数异常辨识时间间隔设定为6小时；S3：通过各预测模型的残差实...

【技术特征摘要】

【专利技术属性】
技术研发人员：周湶，李剑，王飞鹏，陈伟根，杜林，王有元，万福，孙鹏，颜永龙，雷潇，张晓萌，
申请(专利权)人：重庆大学，
类型：发明
国别省市：重庆;85