【技术实现步骤摘要】
基于SCADA数据的风机叶片结冰预测方法
本专利技术属于风力发动机结冰检测领域,涉及一种风机叶片结冰的预测方法,具体涉及一种基于SCADA数据的风机叶片结冰预测方法。
技术介绍
风机通过叶片来获取风能,并将风能转化为机械能,从而驱动发电机发电,进而实现风能到电能的转化。因此,叶片是风机的核心组件,其获取风能的效率是保证风机高发电量的关键因素。风机中的SCADA(SupervisoryControlAndDataAcquisition)系统,即数据采集与监视控制系统,是以计算机为基础的DCS与电力自动化监控系统,可以对现场的运行设备进行监视和控制,以实现数据采集、设备控制、测量、参数调节等功能。在不同地域中,风机所面对的不同环境例如较低的温度、较高的湿度、较大的风沙等都会对风机机组的正常工作造成一定影响,而在某些低温高湿环境中可能导致风机叶片结冰,由于叶片上冰块的不均匀分布,使得叶片所受载荷分布发生变化,从而影响叶片的启动效率,降低风机机组的发电量,还会改变风机叶片的共振频率,进而改变其动态响应行为,严重时会导致叶片断裂并对风机带来损害,所以低温高湿环境所导致的叶片结冰问题是风力发电设备维护面临的主要问题。由于风机机组结冰的引起的不仅仅是风机机组发电量下降的生产效率问题,还可能在冰层黏着力下降的情况下,出现冰块脱落,造成运营事故。此外,严重停机故障的发生往往是由于叶片结冰随着时间积累不断劣化,倘若能在结冰早期分析识别出冰片的存在,可大大减少严重故障的发生。所以对风机叶片结冰预测方法进行深入研究是十分必要的。从目前公开的资料来看,风机叶片结冰检测的方法主要为: ...
【技术保护点】
1.一种基于SCADA数据的风机叶片结冰预测方法,其特征在于,包括如下步骤:(1)获取归一化SCADA数据:对风机SCADA系统过往采集的包括风机工况参数数据和运行参数数据的SCADA数据进行归一化,得到归一化SCADA数据;(2)获取影响风机叶片结冰的特征数据集:设定提取关键参数数据权重的阈值为δ,并将从归一化SCADA数据中筛选出的权重大于δ的工况参数数据和运行参数数据,作为影响风机叶片结冰的关键参数数据特征,组成特征数据集;(3)构建并训练风机叶片结冰预测模型:构建风机叶片结冰预测模型A,并通过特征数据集对A进行训练,得到训练后的风机叶片结冰预测模型B;(4)对训练后的风机叶片结冰预测模型B进行优化:(4a)沿训练后的风机结冰预测模型B的权值θ的负梯度方向对θ进行迭代更新,分别计算更新后每一个权值所对应的损失函数,并将最小损失函数对应的权值作为最优权值,具有最优权值的风机叶片结冰预测模型即为权值优化的风机叶片结冰预测模型C;(4b)对权值优化的风机叶片结冰预测模型C的阈值β进行迭代更新,分别计算更新后每一个阈值所对应的结冰预测准确度,并将最高结冰预测准确度对应的阈值作为最优阈值, ...
【技术特征摘要】
1.一种基于SCADA数据的风机叶片结冰预测方法,其特征在于,包括如下步骤:(1)获取归一化SCADA数据:对风机SCADA系统过往采集的包括风机工况参数数据和运行参数数据的SCADA数据进行归一化,得到归一化SCADA数据;(2)获取影响风机叶片结冰的特征数据集:设定提取关键参数数据权重的阈值为δ,并将从归一化SCADA数据中筛选出的权重大于δ的工况参数数据和运行参数数据,作为影响风机叶片结冰的关键参数数据特征,组成特征数据集;(3)构建并训练风机叶片结冰预测模型:构建风机叶片结冰预测模型A,并通过特征数据集对A进行训练,得到训练后的风机叶片结冰预测模型B;(4)对训练后的风机叶片结冰预测模型B进行优化:(4a)沿训练后的风机结冰预测模型B的权值θ的负梯度方向对θ进行迭代更新,分别计算更新后每一个权值所对应的损失函数,并将最小损失函数对应的权值作为最优权值,具有最优权值的风机叶片结冰预测模型即为权值优化的风机叶片结冰预测模型C;(4b)对权值优化的风机叶片结冰预测模型C的阈值β进行迭代更新,分别计算更新后每一个阈值所对应的结冰预测准确度,并将最高结冰预测准确度对应的阈值作为最优阈值,具有最优权值和最优阈值的风机叶片结冰预测模型即为优化后的风机叶片结冰预测模型D;(5)对风机叶片是否结冰进行判断:风机SCADA系统实时采集关键参数数据特征对应的风机SCADA数据,并将其输入到优化后的风机叶片结冰预测模型D中,然后比较D的输出值与阈值大小,当D的输出值大于等于D的阈值时,判定风机叶片为结冰,当D的输出值小于D的阈值时,判定风机叶片为未结冰。2.根据权利要求1所述的基于SCADA数据的风机叶片结冰预测方法,其特征在于,步骤(1)中所述的工况参数数据和运行参数数据,其中:工况参数数据包括:风速、发电机转速、网侧有功功率、对风角、25秒平均风向角、环境温度和机舱温度;运行参数数据包括:机舱偏航位置、机舱偏航速度、第1叶片角度和速度、第2叶片角度和速度、第3叶片角度和速度、第1变桨电机温度、第2变桨电机温度、第3变桨电机温度、三个叶片所处平面水平X方向加速度和垂直Y方向加速度、第1Ng5充电器温度和直流电流、第2Ng5充电器温度和直流电流、第3Ng5充电器温度和直流电流。3.根据权利要求1所述的基于SCADA数据的风机叶片结冰预测方法,其特征在于,步骤(2)中所述的提取关键参数数据特征,采用Relief算法,实现步骤为:(2a)定义SCADA系统过往采集到的工况参数数据和运行参数数据向量为A,过往采集到的工况参数数据和运行参数数据组成的风机历史数据集为E,样本抽样次数为m,提取特征权重的阈值为δ,特征权重向量W(A)为0;(2b)从历史数据集E中随机抽取一个样本R,并根据风机历史故障信息确定样本R是否处于结冰状态;(2c)从历史数据集E中抽取出与样本R处于同一结冰状态的样本中欧氏距离最近的样本作为猜中近邻H,同时从历史数据集E中抽取出与样本...
【专利技术属性】
技术研发人员:刘尧,孔宪光,崔欢,程涵,申溪,戴振宇,
申请(专利权)人:西安电子科技大学,
类型:发明
国别省市:陕西,61
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。