一种风电机组对风误差自动校准方法及装置制造方法及图纸

本申请提供了一种风电机组对风误差自动校准方法及装置，方法包括：获取预设时段内目标机组的历史运行数据；从目标机组的历史运行数据中剔除异常数据；对目标数据进行降维处理，通过降维处理后的数据确定对风误差与出力性能的关系曲线；通过对风误差与出力性能的关系曲线确定固有对风误差；通过固有对风误差校正目标机组的偏航系统中的零位参数。本申请充分利用风电机组的历史运行数据，通过对其进行数据挖掘和分析自动辨识出目标机组偏航系统的固有对风误差，进而能根据该固有对风误差自动调整偏航系统中的零位参数，这使得机组偏航系统的自适应能力得到了增强，且机组的实际出力性能得到了提升。

【技术实现步骤摘要】

本专利技术涉及数据处理
，尤其涉及一种风电机组对风误差自动校准方法及装置。
技术介绍
近年来，风电行业中机舱尾部的风向标测风失准的问题逐渐引起了业内关注。风向标安装时校准方法不当、运维人员的操作误差、台风等极限工况扰动等诸多因素都可能造成风向标的绝对零位与机舱中心线不平行，使得偏航系统存在“固有对风误差”，从而导致机组输出功率达不到设计要求。
技术实现思路
有鉴于此，本专利技术提供了一种风电机组对风误差自动校准方法及装置，用以解决现有技术中，由于诸多原因导致风向标的绝对零位与机舱中心线不平行，使得偏航系统存在“固有对风误差”，进而导致机组输出功率达不到设计要求的问题，其技术方案如下：一种风电机组对风误差自动校准方法，所述方法包括：获取预设时段内目标机组的历史运行数据；从所述目标机组的历史运行数据中剔除异常数据，获得目标数据；对所述目标数据进行降维处理，并通过所述降维处理后的数据确定对风误差与出力性能的关系曲线；通过所述对风误差与出力性能的关系曲线确定固有对风误差；通过所述固有对风误差校正所述目标机组的偏航系统中的零位参数。其中，所述从所述目标机组的历史运行数据中剔除异常数据，包括：对所述历史运行数据进行聚类处理，并基于所述聚类处理的聚类结果剔除所述异常数据。其中，所述对所述历史运行数据进行聚类处理，包括：对所述历史运行数据进行标准化处理，获得目标历史运行数据；根据所述目标历史运行数据中数据对象的数量确定目标噪声数据占比ε-noise；计算所述目标历史运行数据中每个数据对象与目标对象的几何距离，获得距离集合，其中，所述目标对象为所述目标历史数据中与所述数据对象的几何距离第k近的数据对象，所述k的初始取值为2；对所述距离集合中的各个元素进行概率统计，将所述距离集合中概率值在预设概率范围内的元素组成新的距离集合；确定所述新的距离集合的数学期望值作为DBSCAN聚类算法的参数Epsk；确定所述目标历史运行数据中所有数据对象的Epsk域内点的数目集合；对所述数目集合中的元素进行概率统计，将所述数目集合中概率值在预设概率范围内的元素组成新的数目集合；确定所述新的数目集合的数学期望值作为所述DBSCAN聚类算法的参数Minptsk；以参数Minptsk和Epsk对所述目标历史运行数据进行DBSCAN聚类处理；根据所述DBSCAN聚类处理的聚类结果计算当前噪声数据占比Ratio-noisek；当k>2，且Ratio-noisek满足|Ratio-noisek-1-Ratio-noisek|≤ε-noise时，结束聚类处理，否则，将k+1赋值给k，然后返回执行所述计算所述目标历史运行数据中每个数据对象与目标对象的几何距离这一步骤。其中，所述对所述目标数据进行降维处理，并通过所述降维处理后的数据确定对风误差与出力性能的关系曲线，包括：对所述目标数据中的对风误差进行概率统计，并基于概率统计结果确定目标对风误差范围；从所述目标数据中剔除对风误差不在所述目标对风误差范围内的数据，获得第一目标数据；利用所述第一目标数据确定与各个对风误差对应的风功率曲线，风功率曲线为风速与有功功率的关系曲线；将所述风功率曲线处理成对风误差与出力性能的关系曲线。优选地，所述方法还包括：基于运行数据深度净化技术评估校正前后所述目标机组的出力性能的变化情况。其中，所述基于运行数据深度净化技术评估校正前后所述目标机组的出力性能的变化情况，包括：获取目标机组的校正前运行数据以及校正后运行数据；以额定风速为界分别将所述校正前运行数据和所述校正后运行数据分成两组；从两组校正前运行数据中剔除异常数据，将剔除异常数据后的两组校正前运行数据合并得到校正前目标运行数据，并从两组校正后运行数据中剔除异常数据，将剔除异常数据后的两组校正后运行数据合并得到校正后目标运行数据；分别将所述校正前目标运行数据和所述校正后目标运行数据拟合到所述风功率曲线，并分别对所述校正前目标运行数据和所述校正后目标运行数据中的风速以所述风功率曲线为节点进行线性插值，获得与每个风速对应的理论有功功率；分别计算所述校正前目标运行数据和所述校正后目标运行数据中每个数据点的实际有功功率与理论有功功率间的功率偏差，获得与各个数据点对应的功率偏差；对所述与各个数据点对应的功率偏差进行概率统计；根据概率统计结果，将概率密度不在预设范围内的数据点剔除，然后返回所述以额定风速为界将所述校正前运行数据分成两组，并以额定风速为界将所述校正后运行数据分成两组这一步骤，直至拟合得到的风功率曲线不再变化；通过分别对校正前后的风功率曲线进行积分处理，将所述校正前后的风功率曲线转换为校正前后的出力性能指标量化值；对比校正前后的出力性能指标量化值的大小，获得校正前后所述目标机组出力性能的变化情况。一种风电机组对风误差自动校准装置，所述装置包括：数据获取模块，用于获取预设时段内目标机组的历史运行数据；数据剔除模块，用于从所述数据获取模块获取的所述历史运行数据中剔除异常数据，获得目标数据；降维处理模块，用于对所述数据剔除模块剔除异常数据后所得到的所述目标数据进行降维处理；曲线确定模块，用于通过所述降维处理模块降维处理后的数据确定对风误差与出力性能的关系曲线；固有对风误差确定模块，用于通过所述曲线确定模块确定出的所述对风误差与出力性能的关系曲线确定固有对风误差；校正模块，用于通过所述固有对风误差确定模块确定的所述固有对风误差校正所述目标机组的偏航系统中的零位参数。其中，所述数据剔除模块包括：聚类模块，用于对所述历史运行数据进行聚类处理，获得聚类结果；剔除模块，用于基于所述聚类处理的聚类结果剔除所述异常数据。其中，所述降维处理模块包括：所述概率统计子模块，用于对所述目标数据中的对风误差进行概率统计，并基于概率统计结果确定目标对风误差范围；所述数据剔除子模块，用于从所述目标数据中剔除对风误差不在所述目标对风误差范围内的数据，获得第一目标数据；所述曲线确定模块包括：第一曲线确定子模块和第二曲线确定子模块；所述第一曲线确定子模块，用于利用所述第一目标数据确定与各个对风误差对应的风功率曲线，风功率曲线为风速与有功功率的关系曲线；所述第二曲线确定子模块，用于将所述风功率曲线处理成对风误差与出力性能的关系曲线。所述装置还包括：评估模块，用于基于运行数据深度净化技术评估校正前后所述目标机组的出力性能的变化情况；所述评估模块包括：数据获取子模块，用于获取目标机组的校正前运行数据以及校正后运行数据；数据分组模子块，用于以额定风速为界分别将所述校正前运行数据和所述校正后运行数据分成两组；异常数据剔除子模块，用于从两组校正前运行数据中剔除异常数据，并从两组校正后运行数据中剔除异常数据；数据合并子模块，用于将剔除异常数据后的两组校正前运行数据合并得到校正前目标运行数据，并将剔除异常数据后的两组校正后运行数据合并得到校正后目标运行数据；数据拟合子模块，用于分别将所述校正前目标运行数据和所述校正后目标运行数据拟合到所述风功率曲线；数据插值子模块，用于分别对所述校正前目标运行数据和所述校正后目标运行数据中的风速以所述风功率曲线为节点进行线性插值，获得与每个风速对应的理论有功功率；功率偏差计算子模块，用于分别计算所述校正前目标运行数据和所述校正后目标运本文档来自技高网...

【技术保护点】
一种风电机组对风误差自动校准方法，其特征在于，所述方法包括：获取预设时段内目标机组的历史运行数据；从所述目标机组的历史运行数据中剔除异常数据，获得目标数据；对所述目标数据进行降维处理，并通过所述降维处理后的数据确定对风误差与出力性能的关系曲线；通过所述对风误差与出力性能的关系曲线确定固有对风误差；通过所述固有对风误差校正所述目标机组的偏航系统中的零位参数。

【技术特征摘要】
1.一种风电机组对风误差自动校准方法，其特征在于，所述方法包括：获取预设时段内目标机组的历史运行数据；从所述目标机组的历史运行数据中剔除异常数据，获得目标数据；对所述目标数据进行降维处理，并通过所述降维处理后的数据确定对风误差与出力性能的关系曲线；通过所述对风误差与出力性能的关系曲线确定固有对风误差；通过所述固有对风误差校正所述目标机组的偏航系统中的零位参数。2.根据权利要求1所述的自动校准方法，其特征在于，所述从所述目标机组的历史运行数据中剔除异常数据，包括：对所述历史运行数据进行聚类处理，并基于所述聚类处理的聚类结果剔除所述异常数据。3.根据权利要求2所述的方法，其特征在于，所述对所述历史运行数据进行聚类处理，包括：对所述历史运行数据进行标准化处理，获得目标历史运行数据；根据所述目标历史运行数据中数据对象的数量确定目标噪声数据占比ε-noise；计算所述目标历史运行数据中每个数据对象与目标对象的几何距离，获得距离集合，其中，所述目标对象为所述目标历史数据中与所述数据对象的几何距离第k近的数据对象，所述k的初始取值为2；对所述距离集合中的各个元素进行概率统计，将所述距离集合中概率值在预设概率范围内的元素组成新的距离集合；确定所述新的距离集合的数学期望值作为DBSCAN聚类算法的参数Epsk；确定所述目标历史运行数据中所有数据对象的Epsk域内点的数目集合；对所述数目集合中的元素进行概率统计，将所述数目集合中概率值在预设概率范围内的元素组成新的数目集合；确定所述新的数目集合的数学期望值作为所述DBSCAN聚类算法的参数Minptsk；以参数Minptsk和Epsk对所述目标历史运行数据进行DBSCAN聚类处理；根据所述DBSCAN聚类处理的聚类结果计算当前噪声数据占比Ratio-noisek；当k>2，且Ratio-noisek满足|Ratio-noisek-1-Ratio-noisek|≤ε-noise时，结束聚类处理，否则，将k+1赋值给k，然后返回执行所述计算所述目标历史运行数据中每个数据对象与目标对象的几何距离这一步骤。4.根据权利要求1所述的方法，其特征在于，所述对所述目标数据进行降维处理，并通过所述降维处理后的数据确定对风误差与出力性能的关系曲线，包括：对所述目标数据中的对风误差进行概率统计，并基于概率统计结果确定目标对风误差范围；从所述目标数据中剔除对风误差不在所述目标对风误差范围内的数据，获得第一目标数据；利用所述第一目标数据确定与各个对风误差对应的风功率曲线，风功率曲线为风速与有功功率的关系曲线；将所述风功率曲线处理成对风误差与出力性能的关系曲线。5.根据权利要求1-4中任意一项所述的方法，其特征在于，所述方法还包括：基于运行数据深度净化技术评估校正前后所述目标机组的出力性能的变化情况。6.根据权利要求5所述的方法，其特征在于，所述基于运行数据深度净化技术评估校正前后所述目标机组的出力性能的变化情况，包括：获取目标机组的校正前运行数据以及校正后运行数据；以额定风速为界分别将所述校正前运行数据和所述校正后运行数据分成两组；从两组校正前运行数据中剔除异常数据，将剔除异常数据后的两组校正前运行数据合并得到校正前目标运行数据，并从两组校正后运行数据中剔除异常数据，将剔除异常数据后的两组校正后运行数据合并得到校正后目标运行数据；分别将所述校正前目标运行数据和所述校正后目标运行数据拟合到所述风功率曲线，并分别对所述校正前目标运行数据和所述校正后目标运行数据中的风速以所述风功率曲线为节点进行线性插值，获得与每个风速对应的理论有功功率；分别计算所述校正前目标运行数据和所述校正后目标运行数据中每个数据点的实际有功功率与理论有功功率间的功率偏差，获得与各个数据点对应的功率偏差；对所述与各个数据点对应的功率偏差进行概率统计；根据概...

【专利技术属性】
技术研发人员：叶杭冶，潘东浩，王欣，吴根勇，应有，
申请(专利权)人：浙江运达风电股份有限公司，
类型：发明
国别省市：浙江;33