风机SCADA数据的偏航静态偏差角预测方法及系统技术方案

本发明专利技术公开了一种风机SCADA数据的偏航静态偏差角预测方法，包括：S1.获取时间段内不同风机的风速、偏航角以及发电功率，构架数据矩阵；S2.根据所述数据矩阵标记得到静态偏航误差；S3.基于神经网络，训练关于所述风速、偏航角、发电功率以及静态偏航误差的神经网络学习模型；S4.获取目标风机的当前风速、偏航角以及发电功率数据，输入至训练好的所述神经网络学习模型，预测所述目标风机的偏差角进行输出；本发明专利技术基于神经网络算法，预测出风机的静态偏航误差，准确度高，且无需外挂机载式激光雷达等设备，降低引入其他设备产生的成本和引入设备的本身性能造成的数据误差，即相对于传统技术，本发明专利技术方法能够达到降本增效的目的，适于推广。

Prediction method and system of yaw static deviation angle based on SCADA data of wind turbine

【技术实现步骤摘要】
风机SCADA数据的偏航静态偏差角预测方法及系统
本专利技术涉及风力发电机的偏航静态偏差角的纠偏
，具体而言，为一种风机SCADA数据的偏航静态偏差角的预测方法和系统。
技术介绍
风力发电机(下称风机)，指的是一种能够通过吸收风能，并将风能转化为电能的机器。风机偏航，指的是风机通过旋转机舱，改变风机的迎风面，以调整风机吸收风能的效果，若偏航角大于阈值达到一定时间，风机的控制系统通过控制偏航电机，调整风轮轴线至与风向基本一致。风机偏航角，单位为°，是风向与风轮轴线之间的夹角，由SCADA(SupervisoryControlAndDataAcquisition)系统收集秒平均偏航角。实际工程中常用风向传感器测量偏航角，SCADA系统每100ms收集一次偏航角并保存每秒平均偏航角。风向传感器的零点标定是偏航角测量的基础。在风机运行过程中，由于仪器安装或运行过程其他因素的干扰，风向传感器的零点标定常存在误差，称为零点偏移现象；静态偏航误差，指的是由零点偏移现象引起的误差角度，会引起故障；目前校准静态偏航误差的方法主要是通过机载式激光雷达本文档来自技高网...

【技术保护点】
1.一种风机SCADA数据的偏航静态偏差角预测方法，其特征在于，包括：/nS1.获取时间段内不同风机的风速、偏航角以及发电功率，构架数据矩阵；/nS2.根据所述数据矩阵标记得到静态偏航误差；/nS3.基于神经网络，训练关于所述风速、偏航角、发电功率以及静态偏航误差的神经网络学习模型；/nS4.获取目标风机的当前风速、偏航角以及发电功率数据，输入至训练好的所述神经网络学习模型，预测所述目标风机的偏差角进行输出。/n

【技术特征摘要】
1.一种风机SCADA数据的偏航静态偏差角预测方法，其特征在于，包括：
S1.获取时间段内不同风机的风速、偏航角以及发电功率，构架数据矩阵；
S2.根据所述数据矩阵标记得到静态偏航误差；
S3.基于神经网络，训练关于所述风速、偏航角、发电功率以及静态偏航误差的神经网络学习模型；
S4.获取目标风机的当前风速、偏航角以及发电功率数据，输入至训练好的所述神经网络学习模型，预测所述目标风机的偏差角进行输出。


2.根据权利要求1所述的风机SCADA数据的偏航静态偏差角预测方法，其特征在于，步骤S2.根据所述数据矩阵标记得到静态偏航误差，包括：
采用PCA主成分分析法，对以风机风速、发电功率、偏航角为相关特征的数据矩阵进行数据降维，得到相应的不同数据情况下的偏差角。


3.根据权利要求2所述的风机SCADA数据的偏航静态偏差角预测方法，其特征在于，步骤S3.包括：
所述神经网络为对抗神经网络和/或深度神经网络，其特征工程提取出的特征向量具有预设的形状和维度，以提取的结果为素材，设定算法模型训练参数，得到神经网络训练学习模型。


4.根据权利要求3所述的风机SCADA数据的偏航静态偏差角预测方法，其特征在于，所述特征向量的形状和维度即数据矩阵进行降维处理的结果，不同风机的风速、偏航角、发电功率及标记得到对应的偏差角，构成数据样本集，作为训练参数，采用k折交叉验证的方式，训练学习模型并验证模型的准确率。


5.根据权利要求4所述的风机SCADA数据的偏航静态偏差角预测方法，其特征在于：
获得的数据样本集划分为运行正常的数据样本和出现故...

【专利技术属性】
技术研发人员：江魁，何鑫，曹辉，杨家伟，
申请(专利权)人：武汉展盛科技有限公司，
类型：发明
国别省市：湖北;42