一种基于能量流的风电机组能效状态诊断方法技术

本发明专利技术提供了一种基于能量流的风力发电机组能效状态诊断方法，该诊断方法包括：构建风电机组能效指标关联参数库、基于概率分布统计确定指标参数基准区间、建立风电能效诊断树、基于多元模糊识别模型判定能效状态水平、获得能效状态诊断结果，实现对风电机组能效状态的实时诊断。本发明专利技术解决了传统风电机组状态评价信息不够全面、准确的问题；通过运行工况辨识方法提高对风电机组能效运行状态实时判别的精确性。

【技术实现步骤摘要】
一种基于能量流的风电机组能效状态诊断方法
本专利技术涉及能效状态诊断，具体涉及一种基于能量流的风电机组能效状态诊断方法。
技术介绍
随着风电机组容量的不断扩大，对机组经济性和安全性的要求不断提高，其复杂生产过程的监测控制存在诸多方面的问题：(1)机理多元化的干扰性。风电机组运行过程中存在多种多样的机理复杂的干扰，影响着机组的经济运行，尤其是传动链齿轮箱部分存在着多种机理效应，传统的诊断模型通常忽略这些不可预知也无法消除的影响因素，在实际应用中的效果和预期的理想效果相去甚远。(2)参数之间的强耦合性。风力发电机组的正常运行包含了很多的SCADA系统运行参数，由于风电机组作为风、机、液、电的耦合体，运行参数之间都不是孤立存在的，它们相互影响，具有强耦合性，任何一个运行参数的变化都有可能引起机组整体运行状态的波动。机组的能效水平与各个参数的变化密切相关，而参数之间的强耦合性使得工业流程错综复杂，大大增加了对机组能效水平诊断和控制的困难程度。(3)机组运行的非线性。对非线性较强的运行过程，如果采用像对非线性较弱的系统当作线性系统来处理的处理方法，结果将会和预期产生很大的偏差，因此，风电机组需要比较准确的诊断模型来处理机组运行的非线性问题。为克服上述缺陷，本专利技术提供了一种基于能量流的风电机组能效状态诊断方法，实现了风电机组能效状态的全面诊断。
技术实现思路
本专利技术将风电机组吸收、传递、转化能量的能力定义为能效。能效性能不仅能直观反映机组运行经济性，也为风电机组综合状态监测开辟了一条新思路。风电机组的功能是将风能转变为电能，机组一直处于多种能量并存的状态。风电机组同时存在风能、机械能、电能的流动与转化过程，可以通过能量流将机组各个重要系统与部件串联成为一个整体。能量在风电机组中由机头方向至发电机端单向流动，各能量形式都具有对应的载体设备，因此，本专利技术将风电机组划分为风能捕获系统、机械能传递系统和电能转换系统。本专利技术所采用的风电能效诊断方法引用传统故障诊断与维修决策领域中的故障树分析(理论)，充分利用风电机组SCADA系统运行数据，采用模式识别研究领域中较为完善的模糊识别模型对风电机组能效异常模式进行判定，实现风电机组能效状态的全面诊断。本专利技术提供一种基于能量流的风电机组能效状态诊断方法，所述诊断方法包括如下步骤：步骤1：构建风电机组能效指标关联参数库；步骤2：基于概率分布统计确定指标参数基准区间；步骤3：建立风电能效诊断树；步骤4：基于多元模糊识别模型判定能效状态水平；步骤5：获得能效状态诊断结果。所述步骤1构建风电机组能效指标关联参数库包括：分析风电机组与能量流子系统的运行特点；根据能量流子系统的能量损失机理，确定风电机组能效关联参数；解析风电机组能量关联参数与风电机组典型故障之间的关联性；构建风电机组能效指标关联参数库。所述步骤2基于概率分布统计确定指标参数基准区间，包括：步骤2-1：筛选运行良好的数据；步骤2-2：基于运行工况划分指标参数基准区间。所述步骤2-1确定运行良好的数据包括：收集整理风电机组的历史运行数据；筛去风电机组不工作、异常停机及奇异值数据点后，保留的数据作为历史样本数据；根据所述历史样本数据分布的高斯模型划分功率区间的上下限；在此功率区间上下限范围内的运行数据即为运行良好的数据。所述步骤2-2基于运行工况划分确定基准区间包括：以风电机组的切入风速Vin为下界，以风电机组的切出风速Vout为上界，根据IEC标准中Bin方法，采用1m/s的风速间隔，将风速工况划分为n＝(Vout-Vin)个运行区间；以风电机组出厂时的工作温度范围(Tl℃，Th℃)为温度工况划分的上下限，采用5℃的温度间隔，将温度工况划分为m＝(Th-Tl)/5个运行区间；经过上述区间划分，将运行工况划分为n*m个运行区间；按上述工况划分方法将步骤2-1得到的运行良好的数据划入相应的运行区间，生成各运行区间的训练样本集，从而获得各个运行工况下实际的指标参数基准区间。所述步骤3建立风电机组能效诊断树，包括：以风电机组能量损失过大为顶事件，利用故障树方法分析各能量流子系统的能效状态与关联设备和关联参数之间的逻辑关系，对所述顶事件的可能原因进行层次化梳理得到能效诊断树。所述步骤4基于多元模糊识别模型判定风电机组的能效状态水平，包括：步骤4-1：建立能效异常模式的标准多元模糊征兆集；步骤4-2：识别能效异常模式。所述步骤4-1包括：分析风电机组能效异常模式，确定风电机组典型的能效异常模式；分析典型的能效异常模式中的能量损失机理，获得能效异常时的征兆，从中选定用来进行能效模式识别的能效异常征兆；对选定的能效异常征兆进行模糊量化，建立包括所有能效异常模式的标准多元模糊征兆集。所述步骤4-2包括：计算待识别能效异常模式的多元模糊征兆集与标准多元模糊征兆集的贴近度，按照选定的模糊模式识别原则，确定待识别能效状态所对应的能效异常模式。计算待识别能效异常模式的多元模糊征兆集与标准多元模糊征兆集的贴近度，包括：根据标准多元模糊征兆集里选定的能效异常征兆，将待识别能效异常模式转化为待识别能效异常模式的模糊征兆集M'＝{X1，X2，X3，…Xn}，根据下式(1)计算M'与标准多元模糊征兆集Mi(i＝1,2,…m)的贴近度，判断M'与Mi的相似程度：所述模糊模式识别原则为最大隶属原则，即待识别能效异常模式按M'与Mi(i＝1,2,...,m)的贴合度计算得到的贴近度最大值对应的能效异常模式。当多元模糊识别诊断出待识别能效异常样本是异常模式后，可以迅速得到造成该能效异常模式的可能原因，实现风电机组能效状态的精确全面诊断。与最接近的现有技术比，本专利技术提供的技术方案具有以下优异效果：1、由于风电场环境极度恶劣，同时风电机组是一类多能量形式并存的大型旋转机械，因此各设备之间关联耦合性强。为了准确判别风电机组-系统以及关键设备的运行状态，本专利技术从能效关联参数库中提取反映机组健康与经济性能的指标，建立基于机组-系统-关键设备结构划分的指标库，解决传统风电机组状态评价信息不够全面、准确的问题。2、由于风电场设备处于变速变负荷运行环境中，因此大多数监测参数频繁波动，难以实现反映能效状态有效信息的提取。本专利技术通过对大量历史数据进行统计分析，对风电机组出现的所有工况进行划分，并确定各个工况下能效指标的基准区间，通过运行工况辨识方法提高对风电机组能效运行状态实时判别的精确性。3、应用多元模糊识别模型判定机组能效状态并根据故障树FTA方法建立的能效诊断树确定导致能效状态异常的原因，实现风电机组能效的精确化诊断。4、本专利技术不仅提高了判断能效状态水平精确度，还对造成能效劣化原因进行诊断。附图说明图1为本专利技术一种基于能量流的风力发电机组能效状态诊断方法的诊断流程图；图2为本专利技术所构建的风电机组能效指标关联参数库的示意图；图3为本专利技术建立的风电能效诊断树的示意图；图4为本专利技术建立的风能捕获系统的能效诊断树；图5为本专利技术建立的机械能传递系统的能效诊断树；图6为本专利技术建立的电能转换系统的能效诊断树；图7为本专利技术风电机组能效异常模式多元模糊识别诊断的流程图。具体实施方式下面结合附图对本专利技术做进一步详细的的说明：本专利技术提供了一种基于能量流的风力发电机组能效状态诊断方法，从能量流角度利用风本文档来自技高网...

【技术保护点】
一种基于能量流的风电机组能效状态诊断方法，其特征在于，所述诊断方法包括如下步骤：步骤1：构建风电机组能效指标关联参数库；步骤2：基于概率分布统计确定指标参数基准区间；步骤3：建立风电能效诊断树；步骤4：基于多元模糊识别模型判定能效状态水平；步骤5：获得能效状态诊断结果。

【技术特征摘要】
1.一种基于能量流的风电机组能效状态诊断方法，其特征在于，所述诊断方法包括如下步骤：步骤1：构建风电机组能效指标关联参数库；步骤2：基于概率分布统计确定指标参数基准区间；步骤3：建立风电能效诊断树；步骤4：基于多元模糊识别模型判定能效状态水平；步骤5：获得能效状态诊断结果。2.如权利要求1所述的诊断方法，其特征在于，所述步骤1构建风电机组能效指标关联参数库包括：分析风电机组与能量流子系统的运行特点；根据能量流子系统的能量损失机理，确定风电机组能效关联参数；解析风电机组能量关联参数与风电机组典型故障间的关联性；构建风电机组能效指标关联参数库。3.如权利要求1所述的诊断方法，其特征在于，所述步骤2基于概率分布统计确定指标参数基准区间，包括：步骤2-1：筛选运行良好的数据；步骤2-2：基于运行工况划分指标参数基准区间。4.如权利要求3所述的诊断方法，其特征在于，所述步骤2-1确定运行良好的数据包括：收集整理风电机组的历史运行数据；筛去风电机组不工作、异常停机及奇异值数据点后，保留的数据作为历史样本数据；根据所述历史样本数据分布的高斯模型划分功率区间的上下限；在此功率区间上下限范围内的运行数据即为运行良好的数据。5.如权利要求3所述的诊断方法，其特征在于，所述步骤2-2基于运行工况划分确定基准区间包括：以风电机组的切入风速Vin和切出风速Vout为下界和上界，根据IEC标准中Bin方法，采用1m/s的风速间隔，将风速工况分成n＝(Vout-Vin)个运行区间；以风电机组出厂时的工作温度范围(Tl℃，Th℃)为温度工况划分的上下限，采用5℃的温度间隔，将温度工况划分为m＝(Th-Tl)/5个运行区间；将运行工况共划分为n*m个运行区间；按上述工况划分方法将步骤2-1得到的运行良好的数据划入相应的运行区间，生成各运行区间的训练样本集，从而获得各个运行工况下实际的指标参数基准区间。6.如权利要求1所述的诊断方法，其特征在于，所述步...

【专利技术属性】
技术研发人员：徐婷，马晓晶，王文卓，薛扬，王瑞明，边伟，付德义，李松迪，
申请(专利权)人：中国电力科学研究院，国家电网公司，国网山东省电力公司济南供电公司，
类型：发明
国别省市：北京,11