基于SCADA的风电机组运行状态评估及故障诊断方法技术

本发明专利技术公开了一种基于SCADA的风电机组运行状态评估及故障诊断方法，包括：基于SCADA系统提取的样本数据，研究风电机组运行数据与主要部件运行特性间的关联关系；研究基于聚类算法、集群分析和机器学习方法的风电机组运行状态预测方法；研究风电机组故障诊断方法，采用决策树模型和关联规则理论，结合风电机组长期稳定运行状态的统计特性，研究故障诊断规则。本发明专利技术能够有效实现风电机组运行状态评估及故障诊断。

Operation state evaluation and fault diagnosis method of wind turbine based on SCADA

The invention discloses a SCADA wind power unit operation condition evaluation and fault diagnosis method based on sample data, including: SCADA system based on the extraction of the relationship of operating characteristics of the running data of wind turbine and main components; prediction methods of clustering algorithm, cluster analysis and machine learning methods for wind turbine operation based on the research; wind turbine fault diagnosis method, using decision tree model and the theory of association rules, the statistical characteristics of stable operation state for a long time with the wind turbine, research on fault diagnosis rules. The invention can effectively realize the operation state evaluation and fault diagnosis of the wind turbine.

【技术实现步骤摘要】
基于SCADA的风电机组运行状态评估及故障诊断方法
本专利技术涉及分析方法
，特别是指一种基于SCADA的风电机组运行状态评估及故障诊断方法。
技术介绍
随着我国的风电装机容量迅猛增长，总装机容量比例逐年增加，单机容量为兆瓦级大型风力发电机组以及上百兆瓦风电场正得到迅速发展；随着陆上风电技术的相对成熟和海上风资源的巨大开发前景，大容量风力发电场的建设正由陆地向近海发展，甚至向深海区域发展的趋势。相比陆地风力发电机组，海上风电机组将面临更恶劣的运行环境条件和更高的运行维护成本。如丹麦2002年建设并运行的160MWHornsRev风电场，在运行初期，风力发电机组的安全系统、电控系统、变压器等都出现了较多故障，仅在2003年到2004年运行期间，80台风力发电机组几乎平均每天每台维护2次，如此高的现场故障维护率是运营商Elsam未曾预料到的。因此，及时全面准确的监测和评估并网风电机组的运行状态，有效避免故障及连锁故障的发生，对于优化风电场的维修策略和实现大规模风力发电机组安全高效的并网具有重要的现实意义。基于我国发展和建设智能电网的规划以及低碳经济战略目标的提出，如何安全、可靠、大本文档来自技高网...

【技术保护点】
一种基于SCADA的风电机组运行状态评估及故障诊断方法，其特征在于，包括：基于SCADA系统提取的样本数据，研究风电机组运行数据与主要部件运行特性间的关联关系；研究基于聚类算法、集群分析和机器学习方法的风电机组运行状态预测方法；研究风电机组故障诊断方法，采用决策树模型和关联规则理论，结合风电机组长期稳定运行状态的统计特性，研究故障诊断规则。

【技术特征摘要】
1.一种基于SCADA的风电机组运行状态评估及故障诊断方法，其特征在于，包括：基于SCADA系统提取的样本数据，研究风电机组运行数据与主要部件运行特性间的关联关系；研究基于聚类算法、集群分析和机器学习方法的风电机组运行状态预测方法；研究风电机组故障诊断方法，采用决策树模型和关联规则理论，结合风电机组长期稳定运行状态的统计特性，研究故障诊断规则。2.根据权利要求1所述的基于SCADA的风电机组运行状态评估及故障诊断方法，其特征在于，所述基于SCADA系统提取的样本数据，研究风电机组运行数据与主要部件运行特性间的关联关系包括：研究基于大数据和数据挖掘技术的风电机组运行数据清洗及数据预处理技术。3.根据权利要求1所述的基于SCADA的风电机组运行状态评估及故障诊断方法，其特征在于，所述基于SCADA系统提取的样本数据，研究风电机组运行数据与主要部件运行特性间的关联关系包括：研究风电机组功率、转速、变桨，以及风电机组主轴承温度、振动等不同运行参数的统计学特性。4.根据权利要求1所述的基于SCADA的风电机组运行状态评估及故障诊断方法，其特征在于，所述研究基于聚类算法、集群分析和机器学习方法的风电机组运行状态预测方法包括：研究基于数理统计和机器学习方法的SCADA数据建模技术，建立风电机组齿轮箱、发电机、主轴等主要零部件运行状态评价模型。5.根据权利要求1所述的基于SCADA的风电机组运行状态评估及故障诊断方法，其特征在于，所述研究基于聚类算...

【专利技术属性】
技术研发人员：王飞，梁平，马晓晶，徐婷，
申请(专利权)人：北京瑞盈同创智能技术研究院有限公司，国网山东省电力公司济南供电公司，国家电网公司，
类型：发明
国别省市：北京,11