一种风电机组变频器温度数据清洗方法及系统技术方案

本发明专利技术提供的一种风电机组变频器温度数据清洗方法及系统，包括以下步骤：步骤1，将获取得到的风电机组变频器的实际运行过程中的温度原始监测数据进行预处理，得到矩阵A；步骤2，对步骤1中获取得到的矩阵A中的温度超限点数据进行清洗，得到矩阵A

【技术实现步骤摘要】
一种风电机组变频器温度数据清洗方法及系统


[0001]本专利技术涉及风力发电领域，具体涉及一种风电机组变频器温度数据清洗方法及系统。

技术介绍

[0002]风力发电机组变频器是风电机组关键的能量转化设备，机组运行过程中变频器高频通断，监测温度成为能够直观反映设备状态的参量，然而通常通过SCADA系统进行监测获取的数据中存在大量异常数据，传统数据清理方法通用性不强，不仅较难实现分类识别，也有可能将正确反映设备温度信息的有效数据过滤，不利于后续分析工作的开展。因此，实现变频器温度数据的有效清洗对变频器健康评价模型的准确建立以及故障诊断、健康状态评估、寿命预测等工作均具有重要意义。

技术实现思路

[0003]本专利技术的目的在于提供一种风电机组变频器温度数据清洗方法及系统，解决了现有技术中存在的上述不足。
[0004]为了达到上述目的，本专利技术采用的技术方案是：
[0005]本专利技术提供的一种风电机组变频器温度数据清洗方法，包括以下步骤：
[0006]步骤1，将获取得到的风电机组变频器的实际运行过程中的温度原始监测数据进行预处理，得到矩阵A；
[0007]步骤2，对步骤1中获取得到的矩阵A中的温度超限点数据进行清洗，得到矩阵A'；
[0008]步骤3，对步骤2中获取得到的矩阵A'中的大范围温度离群点数据进行清洗，得到矩阵A”'；
[0009]步骤4，对步骤3中获取得到的矩阵A”'中的剩余温度离群点数据及堆积温度点数据进行清洗，得到正确的温度监测数据。/>[0010]优选地，步骤1中，将获取得到的风电机组变频器的实际运行过程中的温度原始监测数据进行预处理，得到矩阵A，具体方法是：
[0011]将获取得到的风电机组变频器的实际运行过程中的温度原始监测数据记为矩阵A，其中，矩阵A为n行2列，第一列数据为机组运行功率，按大小顺序排列，记为P＝[P1、P2、
…
P
i
、
…
P
n
]；第二列数据为第一列功率数据中不同功率下对应的温度监测数值，记为T＝[T1、T2、
…
T
i
、
…
T
n
]。
[0012]优选地，步骤2中，对步骤1中获取得到的矩阵A中的温度超限点数据进行清洗，得到矩阵A'，具体方法是：
[0013]将矩阵A中小于0或大于机组最大允许功率值的第i行机组运行功率对应的温度监测值记为0，之后将数值为0的对应行进行剔除，得到矩阵A
′
。
[0014]优选地，步骤3中，对步骤2中获取得到的矩阵A'中的大范围温度离群点数据进行清洗，得到矩阵A”'，具体方法是：
[0015]对步骤2中获取得到的矩阵A'进行分段，得到L个子矩阵；
[0016]利用改进型拉伊达准则对每个子矩阵中的大范围温度离群点数据进行识别剔除，得到矩阵A”'。
[0017]优选地，对步骤2中获取得到的矩阵A'进行分段，得到L个子矩阵，具体方法是：
[0018]将矩阵A'按照矩阵A'中的机组运行功率进行分段，得到L个子矩阵；其中，L表示矩阵A
′
中最大功率监测值与最小功率监测值之差除以500并向上取整。
[0019]优选地，利用改进型拉伊达准则对每个子矩阵中的大范围温度离群点数据进行识别剔除，得到矩阵A”'，具体方法是：
[0020]计算每个子矩阵对应温度向量的期望；并统计每个子矩阵对应温度向量的中位数和众数；
[0021]根据得到的期望、中位数和众数计算对应子矩阵的数据分布特性参数；
[0022]计算每个子矩阵对应温度向量的标准差；
[0023]利用每个子矩阵的数据分布特性参数和标准差，结合改进型拉伊达准则对温度向量中的大范围温度离群点数据进行识别；得到矩阵A”；
[0024]将矩阵A”中的大范围温度离群点数据进行剔除，得到矩阵A”'。
[0025]优选地，步骤4，对步骤3中获取得到的矩阵A”'中的剩余温度离群点数据及堆积温度点数据进行清洗，得到正确的温度监测数据，具体方法是：
[0026]利用方差变化点法对矩阵A”'中的剩余温度离群点数据及堆积温度点数据进行清洗，得到正确的温度监测数据。
[0027]优选地，利用方差变化点法对矩阵A”'中的剩余温度离群点数据及堆积温度点数据进行清洗，得到正确的温度监测数据，具体方法是：
[0028]计算矩阵A”'中每个子矩阵中温度向量中的各点方差，进而得到每个子矩阵对应的方差向量；
[0029]计算每个子矩阵对应的方差向量的变化率，得到每个子矩阵对应的变化率向量；
[0030]计算每个子矩阵对应的变化率向量构建目标函数；
[0031]计算构建得到的目标函数，根据计算得到的目标函数值对变化率向量中的突变点进行剔除，最终得到正确的温度监测数据。
[0032]一种风电机组变频器温度数据清洗系统，该系统能够运行所述的方法，包括：
[0033]数据预处理单元，用于将获取得到的风电机组变频器的实际运行过程中的温度原始监测数据进行预处理，得到矩阵A；
[0034]第一清洗单元，用于对获取得到的矩阵A中的温度超限点数据进行清洗，得到矩阵A'；
[0035]第二清洗单元，用于对获取得到的矩阵A'中的大范围温度离群点数据进行清洗，得到矩阵A”'；
[0036]第三清洗单元，用于对获取得到的矩阵A”'中的剩余温度离群点数据及堆积温度点数据进行清洗，得到正确的温度监测数据。
[0037]与现有技术相比，本专利技术的有益效果是：
[0038]本专利技术提供的一种风电机组变频器温度数据清洗方法及系统，基于风电机组变频器温度异常数据的分布特征，将异常数据分为温度超限点、大范围离群型异常数据和局部
堆砌型异常数据，根据异常数据分布特征提出基于边缘剔除与方差变点的变频器温度数据清洗方法，通过三个步骤清洗异常数据，实现正常变频器温度数据的提取；通过算例验证结果表明，本专利技术所提数据清洗方法可实现上述三类异常数据的清洗，有效数据删除率低，且无需根据历史数据进行预训练，具有较强的通用性。
附图说明
[0039]图1是本专利技术的流程示意图；
[0040]图2是本专利技术的流程框图；
[0041]图3是变频器温度原始监测数据图；
[0042]图4是剔除超限(灰色点)数据后变频器温度监测数据(黑色点)图；
[0043]图5是初步剔除大范围温度离群点数据的温度监测数据；
[0044]图6是剔除剩余离群点与堆积点的温度监测数据。
具体实施方式
[0045]下面结合附图，对本专利技术进一步详细说明。
[0046]实施例具体流程如附图1所示，具体步骤如下：
[0047]步骤1，收集实际运行过程中变频器模块的功率
‑
温度原始监测数据，该功率
‑
温度原始监测本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种风电机组变频器温度数据清洗方法，其特征在于，包括以下步骤：步骤1，将获取得到的风电机组变频器的实际运行过程中的温度原始监测数据进行预处理，得到矩阵A；步骤2，对步骤1中获取得到的矩阵A中的温度超限点数据进行清洗，得到矩阵A'；步骤3，对步骤2中获取得到的矩阵A'中的大范围温度离群点数据进行清洗，得到矩阵A”'；步骤4，对步骤3中获取得到的矩阵A”'中的剩余温度离群点数据及堆积温度点数据进行清洗，得到正确的温度监测数据。2.根据权利要求1所述的一种风电机组变频器温度数据清洗方法，其特征在于，步骤1中，将获取得到的风电机组变频器的实际运行过程中的温度原始监测数据进行预处理，得到矩阵A，具体方法是：将获取得到的风电机组变频器的实际运行过程中的温度原始监测数据记为矩阵A，其中，矩阵A为n行2列，第一列数据为机组运行功率，按大小顺序排列，记为P＝[P1、P2、
…
P
i
、
…
P
n
]；第二列数据为第一列功率数据中不同功率下对应的温度监测数值，记为T＝[T1、T2、
…
T
i
、
…
T
n
]。3.根据权利要求1所述的一种风电机组变频器温度数据清洗方法，其特征在于，步骤2中，对步骤1中获取得到的矩阵A中的温度超限点数据进行清洗，得到矩阵A'，具体方法是：将矩阵A中小于0或大于机组最大允许功率值的第i行机组运行功率对应的温度监测值记为0，之后将数值为0的对应行进行剔除，得到矩阵A
′
。4.根据权利要求1所述的一种风电机组变频器温度数据清洗方法，其特征在于，步骤3中，对步骤2中获取得到的矩阵A'中的大范围温度离群点数据进行清洗，得到矩阵A”'，具体方法是：对步骤2中获取得到的矩阵A'进行分段，得到L个子矩阵；利用改进型拉伊达准则对每个子矩阵中的大范围温度离群点数据进行识别剔除，得到矩阵A”'。5.根据权利要求4所述的一种风电机组变频器温度数据清洗方法，其特征在于，对步骤2中获取得到的矩阵A'进行分段，得到L个子矩阵，具体方法是：将矩阵A'按照矩阵A'中的机组运行功率进行分段，得到L个子矩阵；其中，L...

【专利技术属性】
技术研发人员：高晨，童博，赵勇，程方，韩毅，宋子琛，张宝锋，
申请(专利权)人：西安热工研究院有限公司，
类型：发明
国别省市：