一种风电机组功率曲线异常智能判定方法技术

本发明专利技术公开了一种风电机组功率曲线异常智能判定方法，从SCADA数据库中获取全场风电机组相关数据；将同容量、同机型正常风电机组在非限功率下的实时风速和有功功率作为一个数据类，将有功功率按照风速划分，求每个风速段下有功功率集合的置信区间；将单台风电机组有功功率同样按照风速划分，计算每个风速段单台风电机组有功功率占比，并计算占比均值，将占比均值最大的风电机组作为最优功率曲线风电机组；计算最优功率曲线风电机组各风速段内有功功率的置信区间，计算每台风电机组各风速段有功功率均值，并判断均值是否全部在最优功率曲线风电机组对应的置信区间内；如果不全在，则判别为功率曲线异常，反之判别为率曲线正常。正常。正常。

【技术实现步骤摘要】
一种风电机组功率曲线异常智能判定方法


[0001]本专利技术属于风电机组功率曲线异常判定
，具体涉及一种风电机组功率曲线异常智能判定方法。

技术介绍

[0002]目前，分析、判别风电机组功率曲线是否异常，主要对比标准(理论)功率曲线和标准空气密度下的实际功率曲线，查看二者的差异性。虽然二者都是反映风速与风电机组发电功率的关系曲线，但由于二者的形成条件的不同，直接对比分析有一定的缺陷。
[0003]理论功率曲线主要是通过仿真计算或实际测量其生成条件比较苛刻，少考虑或不考虑功率曲线的各种工况的影响因素。而标准空气密度下的实际功率曲线是通过散点用风速bin方法，求有功功率均值，在折合到标准空气密度的方式图绘制而成。由于现场工况时刻在变，机组的实际功率曲线散点很离散，即同风速下功率范围较宽。
[0004]因此，直接对比标准功率曲线和标准空气密度下现场运行功率曲线的差异，由于没有考虑环境、气候等客观因素，很难判断是机组自身原因引起还是环境、气候等因素引起的。
[0005]现有计算方式缺陷：
[0006]1)每台风电机组都需要录入与其对应的标准功率曲线，这样的工作量特别大。
[0007]2)标准空气密度的折算误差比加大，一般需要环境温度和湿度等相关量，而湿度量很难获取。
[0008]3)实际运行功率曲线，是风速bin方式求有功功率的均值，这种方式不能反映出同风速下有功功率的离散程度。
[0009]4)没有对异常数据进行清洗，而这部分数据对均值影响比较大，从而造成计算出的结果偏差比较大。
[0010]5)不能判断功率曲线是由于环境、气候因素引起的，还是由于风电机组自身原因引起。

技术实现思路

[0011]针对现有技术中存在的问题，本专利技术的目的在于提供一种风电机组功率曲线异常智能判定方法，判定结果更加准确。
[0012]为了达到上述目的，本专利技术采用如下技术方案：
[0013]一种风电机组功率曲线异常智能判定方法，包括如下步骤：
[0014]步骤1：从风电场数据采集与监控系统SCADA数据库中获取全场风电机组信息、风电机组状态、限功率标识位、实时风速和有功功率；
[0015]步骤2：将同容量、同机型正常风电机组在非限功率下的实时风速和有功功率作为一个数据类，将有功功率按照风速划分，每个风速段下的有功功率集合为：P
w-1
,P
w-2
,P
w-3
,
……
,P
w-n
；
[0016]步骤3：求每个风速段下有功功率集合的置信区间，即
[0017][0018]注：μ为集合的均值，ρ为集合的标准差；
[0019]步骤4：将单台正常风电机组在非限功率下的实时风速和有功功率作为一个数据类，将有功功率按照风速划分，每个风速段下的有功功率集合为：P
n-1
,P
n-2
,P
n-3
,
……
,P
n-n
；
[0020]步骤5：结合步骤3和步骤4，计算每个风速段单台风电机组有功功率占比，即P
n-1
,P
n-2
,P
n-3
,
……
,P
n-n
在对应置信区间中的占比，其占比分别为：A
w-1
,A
w-2
,A
w-3
,
……
,A
w-n
；
[0021]步骤6：计算每台风电机组各风速段有功功率占比均值：μ
A-1
,μ
A-2
,μ
A-3
,
……
,μ
A-n
，将占比均值最大的风电机组作为最优功率曲线风电机组；
[0022]步骤7：计算最优功率曲线风电机组各风速段内有功功率的置信区间，即
[0023][0024]注：μ为集合的均值，ρ为集合的标准差；
[0025]步骤8：返回步骤4后，计算每台风电机组各风速段有功功率均值，即μ
n-1
,μ
n-2
,μ
n-3
,
……
,μ
n-n
；
[0026]步骤9：结合步骤7和步骤8，判断每台风电机组各风速有功功率均值是否全部在最优功率曲线风电机组对应的置信区间内；
[0027]步骤10：如果不全在，则判别为功率曲线异常，反之判别为率曲线正常。
[0028]步骤3和步骤4中所述的将有功功率按照风速划分，风速的步长为1m/s。
[0029]和现有技术相比较，本专利技术具备如下优点：
[0030]1)利用风电机组实际运行数据，实现了异常功率曲线机组的识别。
[0031]2)不需要收集、录入大量的标准功率曲线数据。
[0032]3)由于同时间段风电机组空气密度基本相同，省去了实际空气密度到标准空气密度的转换，降低了计算误差。
[0033]4)实现风电机组数据异常值的剔除，使得计算结果更加准确。
附图说明
[0034]图1为本专利技术风电机组功率曲线异常智能判定方法流程图。
具体实施方式
[0035]下面结合附图和具体实施方式对本专利技术作进一步详细说明。
[0036]如图1所示，本专利技术一种风电机组功率曲线异常智能判定方法，包括如下步骤：
[0037]步骤1：从风电场数据采集与监控系统SCADA数据库中获取全场风电机组信息、风电机组状态、限功率标识位、实时风速和有功功率；
[0038]步骤2：将同容量、同机型正常风电机组在非限功率下的实时风速和有功功率作为一个数据类，将有功功率按照风速划分，每个风速段下的有功功率集合为：P
w-1
,P
w-2
,P
w-3
,
……
,P
w-n
；
[0039]步骤3：求每个风速段下有功功率集合的置信区间，即
[0040][0041]注：μ为集合的均值，ρ为集合的标准差；
[0042]步骤4：将单台正常风电机组在非限功率下的实时风速和有功功率作为一个数据类，将有功功率按照风速划分，每个风速段下的有功功率集合为：P
n-1
,P
n-2
,P
n-3
,
……
,P
n-n
；
[0043]步骤5：结合步骤3和步骤4，计算每个风速段单台风电机组有功功率占比，即P
n-1
,P
n-2
,P
n-3
,
……
,P
n-n
在对应置信区间中的占比，其占比分别为：A
w-1
,A
w-2
,A
w-3
,
…本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种风电机组功率曲线异常智能判定方法，其特征在于：包括如下步骤：步骤1：从风电场数据采集与监控系统SCADA数据库中获取全场风电机组信息、风电机组状态、限功率标识位、实时风速和有功功率；步骤2：将同容量、同机型正常风电机组在非限功率下的实时风速和有功功率作为一个数据类，将有功功率按照风速划分，每个风速段下的有功功率集合为：P
w-1
,P
w-2
,P
w-3
,
……
,P
w-n
；步骤3：求每个风速段下有功功率集合的置信区间，即步骤3：求每个风速段下有功功率集合的置信区间，即注：μ为集合的均值，ρ为集合的标准差；步骤4：将单台正常风电机组在非限功率下的实时风速和有功功率作为一个数据类，将有功功率按照风速划分，每个风速段下的有功功率集合为：P
n-1
,P
n-2
,P
n-3
,
……
,P
n-n
；步骤5：结合步骤3和步骤4，计算每个风速段单台风电机组有功功率占比，即P
n-1
,P
n-2
,P
n-3
,
……
,P
n-n
在对应置信区间中的占...

【专利技术属性】
技术研发人员：程方，韩斌，孙仕辉，胡照宇，李颖峰，赵勇，甘勇，
申请(专利权)人：西安热工研究院有限公司华能国际电力股份有限公司湖南清洁能源分公司，
类型：发明
国别省市：