基于风机SCADA数据的风电场发电量损失测量方法及系统技术方案

本发明专利技术公开了一种基于风机SCADA数据的风电场发电量损失测量方法及系统，方法为：获得风机SCADA数据和现场测风塔数据；对风机SCADA数据和现场测风塔数据进行筛选处理，筛选风机SCADA数据中异常的记录值及停机时间，并建立一个完整的数据集；根据数据集，建立风机性能评价指标；通过风机性能评价指标，计算得到风电场的发电量损失。本发明专利技术通过结合神经网络技术和随机过程理论，对风机SCADA数据进行分析，建立了风机运行行为模型，提出了评估风机运行性能的指标，计算得到了风机发电量损失，通过数据驱动的风机性能评估方法用来提高风机运维效率，降低维护成本。

Measurement Method and System of Wind Power Loss Based on SCADA Data of Fan

The invention discloses a wind farm power loss measurement method and system based on fan SCADA data. The method includes: obtaining fan SCADA data and field wind tower data; screening and processing fan SCADA data and field wind tower data, screening abnormal recorded values and downtime in fan SCADA data, and establishing a complete data set according to data set; Fan performance evaluation index; through the fan performance evaluation index, the power loss of wind farm is calculated. By combining the neural network technology with the random process theory, the SCADA data of the fan are analyzed, the fan operation behavior model is established, the index for evaluating the fan operation performance is proposed, and the loss of the fan power generation is calculated. The data-driven fan performance evaluation method is used to improve the fan operation and maintenance efficiency and reduce the maintenance cost.

【技术实现步骤摘要】
基于风机SCADA数据的风电场发电量损失测量方法及系统
：本专利技术涉及风电领域，尤其涉及基于风机SCADA数据的风电场发电量损失测量方法及系统领域。
技术介绍
：风电场属于资本密集型项目，其中建筑投资、风机制造与安装以及并网系统占比为80％，运行和维护成本占20％。因此，保持风机以相对高的效率工作并制定最佳维修策略符合投资者的主要利益，特别是在海上风电场复杂且恶劣的工作环境下，保持风机高性能稳定运行更加重要。降低运维成本的主要途径在于提高风机性能的和优化维护策略。为实现风机高性能稳定运行，首先需要对风机运行性能进行评估，然后利用评估结果优化运维策略。现有技术中，通过建立故障预测模型，并将分析结果与故障模式进行匹配来解决该问题。然而，这些模型大都具一定程度的不确定性；以及由建模过程中的简化带来的对风机运行复杂性的忽略。此外，这些研究需要大量的高质量的历史故障数据，这对该类方法的研究和应用带来了巨大的挑战。因此，现有技术中的缺陷是：现有的风机发电量评估方法考虑影响风机性能的因素不够全面，不能对风机性能进行精准的评价，进而不能有效地对风机进行维护啊，降低了风机运行效率，同时，大量单叶轮风力发电机的使用令整个风电场难以降低运维成本和提高发电效率。
技术实现思路
：本专利技术的目的在于提供一种基于风机SCADA数据的风电场发电量损失测量方法及系统，通过结合神经网络技术和随机过程理论，对风机SCADA数据进行分析，建立了风机运行行为模型，提出了评估风机运行性能的指标，计算得到了风机发电量损失，通过数据驱动的风机性能评估方法用来提高风机运维效率，降低维护成本。同时在另一方面，通过提出一种新型的双叶轮风力发电机的机构，进一步提高风机的发电效率，使得上述基于风机SCADA数据的风电场发电量损失测量方法及系统能够更好提升风电场运营效率。本专利技术由如下技术方案实施：第一方面，本专利技术提供一种基于风机SCADA数据的风电场发电量损失测量方法，包括：步骤S1，获得风机SCADA数据和现场测风塔数据；步骤S2，对所述风机SCADA数据和现场测风塔数据进行筛选处理，筛选所述风机SCADA数据中异常的记录值及停机时间，并建立一个完整的数据集；步骤S3,根据所述数据集，建立风机性能评价指标；步骤S4，通过所述风机性能评价指标，计算得到风电场的发电量损失。本专利技术提供的基于风机SCADA数据的风电场发电量损失测量方法，其技术方案为：获得风机SCADA数据和现场测风塔数据；对所述风机SCADA数据和现场测风塔数据进行筛选处理，筛选所述风机SCADA数据中异常的记录值及停机时间，并建立一个完整的数据集；根据所述数据集，建立风机性能评价指标；通过所述风机性能评价指标，计算得到风电场的发电量损失。本专利技术提供的基于风机SCADA数据的风电场发电量损失测量方法，通过结合神经网络技术和随机过程理论，对风机SCADA数据进行分析，建立了风机运行行为模型，提出了评估风机运行性能的指标，计算得到了风机发电量损失，通过数据驱动的风机性能评估方法用来提高风机运维效率，降低维护成本。进一步地，所述步骤S3，具体为：根据所述数据集中的数据，通过预先建立的基于神经网络的风机运行模型，计算风机输出功率预测值与实测值的偏差；通过自组织映射，对所述偏差信号进行聚类，得到系统状态；通过预先建立的基于MC的状态转移模型，得到风机性能评价指标。进一步地，步骤S4，具体为：通过所述风机性能评价指标，将每台风机周围分为若干个扇区，从风机SCADA数据获得每台风机每个扇区的实际发电量，将风电场分为若干个扇区，并计算每个扇区的参考发电量；根据所述实际发电量和所述参考发电量，计算得到风电场的发电量损失。进一步地，通过预先建立的基于神经网络的风机运行模型，计算风机输出功率预测值与实测值的偏差，具体为：在所述预处理后的SCADA数据中，选择WS，AT，GT，桨角数据和RS数据作为输入参数，输入至所述预先建立的基于神经网络的风机运行模型，计算得到风机输出功率预测值与实测值的偏差。进一步地，通过自组织映射，对所述偏差信号进行聚类，得到系统状态，具体为：选取所述偏差信号中的若干个数据点和包含n个状态的状态空间，所述状态空间为聚类偏差信号的结果；将所述偏差信号到所述状态空间的映射形成自组织映射；根据所述聚类偏差信号的结果，建立马尔可夫模型，作为系统状态。在另一实施方式中，所述风电场中的风机为双叶轮风力发电机，该双叶轮风力发电机包括：一级叶轮、二级叶轮和叶轮转速合并机构；所述叶轮转速合并机构具有第一输入轴、第二输入轴、第一输出轴和第二输出轴，所述一级叶轮与所述第一输入轴驱动连接，所述二级叶轮与所述第二输入轴驱动连接，所述第一输出轴通过第一离合器与第一发电机的输入轴驱动连接，所述第二输出轴通过第二离合器与所述第二发电机的输入轴驱动连接；所述一级叶轮与所述二级叶轮同轴连接，所述一级叶轮的叶片长度大于所述二级叶轮的叶片长度，且工作时的旋转方向相反，所述一级叶轮位于所述二级叶轮的前方；所述叶轮转速合并机构包括同轴设置的太阳轮、齿圈和行星架，所述行星架上设有多个行星轮，所述齿圈设有内齿和外齿，所述行星轮啮合在所述齿圈的内齿和所述太阳轮之间，所述第一输入轴设有驱动齿轮，所述驱动齿轮与所述齿圈的外齿啮合，所述第二输入轴与所述太阳轮的转轴连接，所述行星架的转轴通过中间轴与输出轴驱动连接，所述输出轴的一端形成所述第一输出轴，另一端形成所述第二输出轴；当风速小于第一阈值时，对一级叶轮和二级叶轮的叶片进行变桨，使一级叶轮停止发电状态，二级叶轮处于旋转发电状态，第一离合器处于啮合状态，第二离合器出去分离状态；当风速不小于第一阈值且不大于第二阈值时，对一级叶轮和二级叶轮的叶片进行变桨，使一级叶轮和二级叶轮均处于旋转发电状态，第一离合器处于啮合状态，第二离合器处于分离状态；当风速大于第二阈值时，一级叶轮和二级叶轮均处于旋转发电状态，第一离合器和第二离合器均处于啮合状态。第二方面，本专利技术提供一种基于风机SCADA数据的风电场发电量损失测量系统，包括：数据获取模块，用于获得风机SCADA数据和现场测风塔数据；数据预处理模块，用于对所述风机SCADA数据和现场测风塔数据进行筛选处理，筛选所述风机SCADA数据中异常的记录值及停机时间，并建立一个完整的数据集；评价指标生成模块,用于根据所述数据集，建立风机性能评价指标；发电量算是计算模块，用于通过所述风机性能评价指标，计算得到风电场的发电量损失。本专利技术提供的基于风机SCADA数据的风电场发电量损失测量系统，其技术方案为：通过多数据获取模块，获得风机SCADA数据和现场测风塔数据；通过数据预处理模块，对所述风机SCADA数据和现场测风塔数据进行筛选处理，筛选所述风机SCADA数据中异常的记录值及停机时间，并建立一个完整的数据集；通过评价指标生成模块,根据所述数据集，建立风机性能评价指标；通过发电量算是计算模块，通过所述风机性能评价指标，计算得到风电场的发电量损失。本专利技术提供的基于风机SCADA数据的风电场发电量损失测量系统，通过结合神经网络技术和随机过程理论，对风机SCADA数据进行分析，建立了风机运行行为模型，提出了评估风机运行性能的指标，计算得到了风机发电量损失，通过数据驱动的风机性能评本文档来自技高网...

【技术保护点】
1.基于风机SCADA数据的风电场发电量损失测量方法，其特征在于，所述方法包括以下步骤：步骤S1，获得风机SCADA数据和现场测风塔数据；步骤S2，对所述风机SCADA数据和现场测风塔数据进行筛选处理，筛选所述风机SCADA数据中异常的记录值及停机时间，并建立一个完整的数据集；步骤S3,根据所述数据集，建立风机性能评价指标；步骤S4，通过所述风机性能评价指标，计算得到风电场的发电量损失。

【技术特征摘要】
1.基于风机SCADA数据的风电场发电量损失测量方法，其特征在于，所述方法包括以下步骤：步骤S1，获得风机SCADA数据和现场测风塔数据；步骤S2，对所述风机SCADA数据和现场测风塔数据进行筛选处理，筛选所述风机SCADA数据中异常的记录值及停机时间，并建立一个完整的数据集；步骤S3,根据所述数据集，建立风机性能评价指标；步骤S4，通过所述风机性能评价指标，计算得到风电场的发电量损失。2.根据权利要求1所述的基于风机SCADA数据的风电场发电量损失测量方法，其特征在于，所述步骤S3，具体为：根据所述数据集中的数据，通过预先建立的基于神经网络的风机运行模型，计算风机输出功率预测值与实测值的偏差；通过自组织映射，对所述偏差信号进行聚类，得到系统状态；通过预先建立的基于MC的状态转移模型，得到风机性能评价指标。3.根据权利要求1所述的基于风机SCADA数据的风电场发电量损失测量方法，其特征在于，步骤S4，具体为：通过所述风机性能评价指标，将每台风机周围分为若干个扇区，从风机SCADA数据获得每台风机每个扇区的实际发电量，将风电场分为若干个扇区，并计算每个扇区的参考发电量；根据所述实际发电量和所述参考发电量，计算得到风电场的发电量损失。4.根据权利要求2所述的基于风机SCADA数据的风电场发电量损失测量方法，其特征在于，通过预先建立的基于神经网络的风机运行模型，计算风机输出功率预测值与实测值的偏差，具体为：在所述预处理后的SCADA数据中，选择WS，AT，GT，桨角数据和RS数据作为输入参数，输入至所述预先建立的基于神经网络的风机运行模型，计算得到风机输出功率预测值与实测值的偏差。5.根据权利要求2所述的基于风机SCADA数据的风电场发电量损失测量方法，其特征在于，通过自组织映射，对所述偏差信号进行聚类，得到系统状态，具体为：选取所述偏差信号中的若干个数据点和包含n个状态的状态空间，所述状态空间为聚类偏差信号的结果；将所述偏差信号到所述状态空间的映射形成自组织映射；根据所述聚类偏差信号的结果，建立马尔可夫模型，作为系统状态。6.根据权利要求1所述的基于风机SCADA数据的风电场发电量损失测量方法，其特征在于，所述风电场中的风机为双叶轮风力发电机，该双叶轮风力发电机包括：一级叶轮、二级叶轮和叶轮转速合并机构；所述叶轮转速合并机构具有第一输入轴、第二输入轴、第一输出轴和第二输出轴，所述一级叶轮与所述第一输入轴驱动连接，所述二级叶轮与所述第二输入轴驱动连接，所述第一输出轴通过第一离合器与第一发电机的输入轴驱动连接，所述第二输出轴通过第二离合器与所述第二发电机的输入轴驱动连接；所述一级叶轮与所述二级叶轮同轴连接，所述一级叶轮的叶片长度大于所述二级叶轮的叶片长度，且工作时的旋转...

【专利技术属性】
技术研发人员：王吉远，张超，龙泉，张耀文，王朝，刘澈，赵树良，弥崧，欧阳磊，李新宇，石一迪，
申请(专利权)人：北京普华亿能风电技术有限公司，
类型：发明
国别省市：北京,11