一种基于大数据驱动的风力发电机变频器预测运行技术制造技术

本发明专利技术提供一种基于大数据驱动的风力发电机变频器预测运行技术，包括如下步骤：S1、获取原始风机SCADA数据；S2、SCADA数据的预处理；S3、利用特征选择法进行特征选择：将预处理过后的SCADA数据参数作为输入特征，经过特征选择后输出与变频器相关变量的数据；S4、变频器故障检测：建立变频器故障检测模型，采用故障检测算法对变频器的故障进行检测，输出一个表示当前风机故障概率的概率值。针对变频器故障检测方法在噪声影响下虚警率过高的问题，使用相应的滤波算法和异常点检测，降低噪声的影响，在保证检测准确率的前提下，尽可能降低虚警率。同时提高检测准确率并争取达到提早预测，早期预警，提前处理的效果。

【技术实现步骤摘要】
一种基于大数据驱动的风力发电机变频器预测运行技术
本专利技术涉及风力发电领域，具体涉及一种基于大数据驱动的风力发电机变频器预测运行技术。
技术介绍
在风力发电系统中，风电场变频器系统可能出现的故障类型，包括电源开关短路、开关开路、传感器故障以及通讯故障等。现有的变频器故障检测的方法均为基于某一时间点进行的预测，其检测准确率不高，且不能提前进行预测进行早期预警提前处理，同时具有虚警率过高的问题。
技术实现思路
针对现有技术中的缺陷，本专利技术提供的一种基于大数据驱动的风力发电机变频器预测运行技术，提高检测准确率并争取达到提早预测，早期预警，提前处理的效果；同时降低噪声的影响，在保证检测准确率的前提下，尽可能降低虚警率。为了实现上述目的，本专利技术通过如下技术方案来实现：本专利技术提供一种基于大数据驱动的风力发电机变频器预测运行技术，包括如下步骤：S1、获取原始风机SCADA数据：SCADA数据为风电机组传感器采集的状态监测数据和运行数据；S2、SCADA数据的预处理：对变频器系统相关参数进行预选，从获取的原始风机SCADA数据中剔除非正常状态下的数据；S3、利用特征选择法进行特征选择：将预处理过后的SCADA数据参数作为输入特征，经过特征选择后输出与变频器相关变量的数据；S4、变频器故障检测：建立变频器故障检测模型，采用故障检测算法对变频器的故障进行检测，输出一个表示当前风机故障概率的概率值。进一步，步骤S2中非正常状态包括风机的故障、停机、维修或限功率中的任一项或多项。进一步，步骤S3中的特征选择过程如下：S31、对于任意决策树t，从总的数据D中随机挑选数据X作为训练样本，剩余数据X`作为测试样本，测试样本的预测误差定义为袋外误差errOBBt；S32、对于任意特征F,对数据X′中的F特征添加随机噪声θ,得到的袋外误差定义为errOBB′t；S33、若决策树的数量为N，重复上述两步，可以得到特征F的重要性分数如下：从而从特征中抽取与变频器相关的变量的数据。进一步，在步骤S33中与变频器相关的变量包括环境温度、变频器电网侧电流、变频器电网侧电压、变频器电网侧有功功率、变频器电网侧无功功率、变频器发电机侧功率、发电机电流、变频器扭矩、发电机运行频率、发电机转矩、变频器冷却液液位要求、发电机功率限幅值、发电机无功功率设定值、变频器入口温度、变频器出口温度、变频器入口压力、变频器出口压力、变频器控制状态、无功功率控制状态和变频器状态。进一步，在步骤S4中故障检测算法包括如下步骤：S41、与变频器相关的变量的数据有N个样本，有放回地选取n个样本，作为分类器的训练样本；S42、每个样本有M个变量，则随机选择其中m个变量，作为训练分类器的特征；S43、利用选取的样本和特征，训练分类器；S44、重复S41～S43步骤，得到K个分类器，每个分类器都是独立存在的；S45、利用K个分类器得到K个分类的结果，按照分类器投票的原则，得到输入数据的类别。进一步，在变频器故障检测模型中设置一个阈值，当通过变频器故障检测算法输出的概率值超过阈值即进行故障预警。本专利技术的有益效果：本专利技术提供一种基于大数据驱动的风力发电机变频器预测运行技术，包括如下步骤：S1、获取原始风机SCADA数据：SCADA数据为风电机组传感器采集的状态监测数据和运行数据；S2、SCADA数据的预处理：对变频器系统相关参数进行预选，从获取的原始风机SCADA数据中剔除非正常状态下的数据；S3、利用特征选择法进行特征选择：将预处理过后的SCADA数据参数作为输入特征，经过特征选择后输出与变频器相关变量的数据；S4、变频器故障检测：建立变频器故障检测模型，采用故障检测算法对变频器的故障进行检测，输出一个表示当前风机故障概率的概率值。针对变频器故障检测方法在噪声影响下虚警率过高的问题，使用相应的滤波算法和异常点检测，降低噪声的影响，在保证检测准确率的前提下，尽可能降低虚警率。同时提高检测准确率并争取达到提早预测，早期预警，提前处理的效果。附图说明为了更清楚地说明本专利技术具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍。在所有附图中，类似的元件或部分一般由类似的附图标记标识。附图中，各元件或部分并不一定按照实际的比例绘制。图1为本专利技术提供的基于大数据驱动的风力发电机变频器预测运行技术的流程框图。具体实施方式下面将结合附图对本专利技术技术方案的实施例进行详细的描述。以下实施例仅用于更加清楚地说明本专利技术的技术方案，因此只作为示例，而不能以此来限制本专利技术的保护范围。需要注意的是，除非另有说明，本申请使用的技术术语或者科学术语应当为本专利技术所属领域技术人员所理解的通常意义。本专利技术提供一种基于大数据驱动的风力发电机变频器预测运行技术，包括如下步骤：S1、获取原始风机SCADA数据：SCADA数据为风电机组传感器采集的状态监测数据和运行数据；S2、SCADA数据的预处理：对变频器系统相关参数进行预选，从获取的原始风机SCADA数据中剔除非正常状态下的数据；预处理过程中采用孤立森林算法进行异常状态的剔除。S3、利用特征选择法进行特征选择：将预处理过后的SCADA数据参数作为输入特征，经过特征选择后输出与变频器相关变量的数据；特征选择过程如下：S31、对于任意决策树t，从总的数据D中随机挑选数据X作为训练样本，剩余数据X`作为测试样本，测试样本的预测误差定义为袋外误差errOBBt；S32、对于任意特征F,对数据X′中的F特征添加随机噪声θ,得到的袋外误差定义为errOBB′t；S33、若决策树的数量为N，重复上述两步，可以得到特征F的重要性分数如下：从而从特征中抽取与变频器相关的变量的数据。S4、变频器故障检测：建立变频器故障检测模型，采用故障检测算法对变频器的故障进行检测，输出一个表示当前风机故障概率的概率值。风机变频器故障检测算法基于Python3.X开发，除Python自带函数库外还需要安装的三方库名称为：os、numpy、json、pandas、matplotlib和pickle。故障检测算法包括如下步骤：S41、与变频器相关的变量的数据有N个样本，有放回地选取n个样本，作为分类器的训练样本；S42、每个样本有M个变量，则随机选择其中m个变量，作为训练分类器的特征；S43、利用选取的样本和特征，训练分类器；S44、重复S41～S43步骤，得到K个分类器，每个分类器都是独立存在的；S45、利用K个分类器得到K个分类的结果，按照分类器投票的原则，得到输入数据的类别。在构建故障检测算法时，数据样本需要随机的选取，变量也需要随机的选取，首先，从原始的数据集中采取有放回的抽样，构造子数据集，子数据集的数据量是和本文档来自技高网...

【技术保护点】
1.一种基于大数据驱动的风力发电机变频器预测运行技术，其特征在于，包括如下步骤：/nS1、获取原始风机SCADA数据：SCADA数据为风电机组传感器采集的状态监测数据和运行数据；/nS2、SCADA数据的预处理：对变频器系统相关参数进行预选，从获取的原始风机SCADA数据中剔除非正常状态下的数据；/nS3、利用特征选择法进行特征选择：将预处理过后的SCADA数据参数作为输入特征，经过特征选择后输出与变频器相关变量的数据；/nS4、变频器故障检测：建立变频器故障检测模型，采用故障检测算法对变频器的故障进行检测，输出一个表示当前风机故障概率的概率值。/n

【技术特征摘要】
1.一种基于大数据驱动的风力发电机变频器预测运行技术，其特征在于，包括如下步骤：
S1、获取原始风机SCADA数据：SCADA数据为风电机组传感器采集的状态监测数据和运行数据；
S2、SCADA数据的预处理：对变频器系统相关参数进行预选，从获取的原始风机SCADA数据中剔除非正常状态下的数据；
S3、利用特征选择法进行特征选择：将预处理过后的SCADA数据参数作为输入特征，经过特征选择后输出与变频器相关变量的数据；
S4、变频器故障检测：建立变频器故障检测模型，采用故障检测算法对变频器的故障进行检测，输出一个表示当前风机故障概率的概率值。


2.根据权利要求1所述的一种基于大数据驱动的风力发电机变频器预测运行技术，其特征在于：步骤S2中非正常状态包括风机的故障、停机、维修或限功率中的任一项或多项。


3.根据权利要求1所述的一种基于大数据驱动的风力发电机变频器预测运行技术，其特征在于：步骤S3中的特征选择过程如下：
S31、对于任意决策树t，从总的数据D中随机挑选数据X作为训练样本，剩余数据X`作为测试样本，测试样本的预测误差定义为袋外误差errOBBt；
S32、对于任意特征F,对数据X′中的F特征添加随机噪声θ,得到的袋外误差定义为errOBB′t；
S33、若决策树的数量为N，重复上述两步，可以得到特征F的重要性分数如下：



从而从特...

【专利技术属性】
技术研发人员：张方红，刘冰冰，胡号朋，刘城，王世全，王安琪，温钊，
申请(专利权)人：中国船舶重工集团海装风电股份有限公司，
类型：发明
国别省市：重庆;50