The invention relates to the field of new energy wind power generation system, in particular to a health early warning method for wind turbines, including the following steps: (1) acquisition of monitoring data of wind farms: acquisition and storage of monitoring data under normal operation of wind farms; (2) selection and determination of characteristic parameters related to output power of wind turbines; (3) establishment of power prediction model of wind turbines; (4) health status. Construction of standard residual sets of state; (5) acquisition of real-time residual sets; (6) health assessment and early warning of wind turbines. The method converts the selected generator output power performance parameters into an appropriate distance measure, and reflects the healthy state of the comprehensive generating capacity of the unit at the time point. The method can quantitatively evaluate the decline of the generating capacity of the unit under the generating operation condition, and has strong practicability.
【技术实现步骤摘要】
一种风电机组健康预警方法
本专利技术涉及新能源风力发电系统领域,具体涉及一种风电机组健康预警方法。
技术介绍
随着风电在电网系统中的大规模应用,风电场智能化运维技术得到了广泛的关注。风电机组故障所产生的高昂维修费用直接影响到了风电场业主的经济效益,同时长时间的停机也会对于整个电网系统的运行调度带来冲击,所以通过对风电机组整机性能的评估,实现故障的提前预警,对风电场的整体运营具有重要的意义。现有系统对历史数据的深入挖掘分析还很欠缺,它们仅仅关心风电机组“当前”的运行状态,而无法对机组的故障进行提前诊断或运行状态的预测。这种传统的通过软件辅助来指导完成设备“事后维修”和“计划维修”的方法在应对瞬息万变的新情况时存在严重的不足。基于整机健康状态评估的“视情维修”和“预知维修”可以将故障消灭在萌芽状态,所以可以作为未来风电机组维护的有力保障。然而,由于风电机组工作环境恶劣、运行状态影响因素,对机组整机性能的量化评估是十分困难的。综上所述,亟需提供一种实用性强,能够实现风电机组在发电运行工况下对其发电能力衰退情况进行量化评估并进行预警的风电机组健康预警方法。
技术实现思路
本专利技术的目的是提供一种实用性强,能够实现风电机组在发电运行工况下对其发电能力衰退情况进行量化评估并进行预警的风电机组健康预警方法。上述目的是通过如下技术方案实现:一种风电机组健康预警方法,包括如下步骤:(1)风电场监控数据的采集:采集并储存风电场正常运行状态下的监控数据;(2)与风电机组输出功率相关的特征参数的选择确定;(3)风电机组功率预测模型的建立:从步骤(1)中的监控数据中选出步骤(2)中的 ...
【技术保护点】
1.一种风电机组健康预警方法,其特征在于,包括如下步骤:(1)风电场监控数据的采集:采集并储存风电场正常运行状态下的监控数据;(2)与风电机组输出功率相关的特征参数的选择确定;(3)风电机组功率预测模型的建立:从步骤(1)中的监控数据中选出步骤(2)中的特征参数作为训练集输入至神经网络进行训练,经过训练后的神经网络在输入预定特征参数时,风电机组的输出功率可作为目标值输出,形成风电机组功率预测模型;(4)健康状态标准残差集构建:从步骤(1)中选取与训练集不同时间段的风电机组健康状态下的监控数据,将所述监控数据中的特征参数输入至步骤(3)中的风电机组功率预测模型,功率预测模型的输出值,即模型预测值与风电机组实际的输出功率,即风电机组实际输出值之差记为标准残差;风电机组预定的正常工作时间段内的标准残差集Ut记为Ut={ε(t)|ε(t)=Yf(t)‑Ya(t),t∈(1,2…,n)};其中,t为时间序列中的时刻点,Yf(t)为t时刻输出功率的模型预测值,Ya(t)风电机组t时刻的实际输出值,ε(t)为t时刻的元素。(5)实时残差集的获取:采集实际风电机组运行参数,利用训练好的风电机组功率预测 ...
【技术特征摘要】
1.一种风电机组健康预警方法,其特征在于,包括如下步骤:(1)风电场监控数据的采集:采集并储存风电场正常运行状态下的监控数据;(2)与风电机组输出功率相关的特征参数的选择确定;(3)风电机组功率预测模型的建立:从步骤(1)中的监控数据中选出步骤(2)中的特征参数作为训练集输入至神经网络进行训练,经过训练后的神经网络在输入预定特征参数时,风电机组的输出功率可作为目标值输出,形成风电机组功率预测模型;(4)健康状态标准残差集构建:从步骤(1)中选取与训练集不同时间段的风电机组健康状态下的监控数据,将所述监控数据中的特征参数输入至步骤(3)中的风电机组功率预测模型,功率预测模型的输出值,即模型预测值与风电机组实际的输出功率,即风电机组实际输出值之差记为标准残差;风电机组预定的正常工作时间段内的标准残差集Ut记为Ut={ε(t)|ε(t)=Yf(t)-Ya(t),t∈(1,2…,n)};其中,t为时间序列中的时刻点,Yf(t)为t时刻输出功率的模型预测值,Ya(t)风电机组t时刻的实际输出值,ε(t)为t时刻的元素。(5)实时残差集的获取:采集实际风电机组运行参数,利用训练好的风电机组功率预测模型得到实时功率预测值,并求取预定时间内的预测值与风电机组实测值之间的实时残差,得实时残差集;(6)风电机组健康评估预警:计算步骤(5)中的实时残差集与步骤(4)中的风电机组健康状态标准残差集之间的马氏距离,当计算得到的马氏距离大于预定值时进行预警。2.根据权利要求1所述的风电机组健康预警方法,其特征在于,所述步骤(6)中通过马氏距离归一化构建实时健康指数,计算公式如下:其中:i表示当前计算健康指数的数据的编号,dMD,i意思是第i个数据采样点时的马氏距离,α为归一化参数,调整α的参数能够使RHI对不同风速下的敏感性发生变化;RHI为实时健康指数,RHI值越小则表明风电机组性能衰退越严重,当RHI值小于预定值时进行预警。3.根据权利要求1或2所述的风电机组健康预警方法,其特征在于,所述步骤(2)之前还包括输出功率与风电机组健康状态关系的判断的步骤:绘制风机预定时段内的功率与风速散点图以及风机设计的标准功率曲线,当大量的功率输出点都分布在...
【专利技术属性】
技术研发人员:詹俊,汪雅果,王荣林,刘明辉,朱方镇,谢正娟,
申请(专利权)人:湖南优利泰克自动化系统有限公司,
类型:发明
国别省市:湖南,43
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。