一种基于密度聚类的多机组运行状态离群分析方法及系统技术方案

本发明专利技术提供的一种基于密度聚类的多机组运行状态离群分析方法及系统，包括以下步骤：步骤1，获取风电场每台风电机组t时刻对应的状态监测参量，组合形成该风电场对应的数据集，其中，所述状态监测参量包括电机转速、转矩、功率、电流有效值、发电机U相绕组温度、发电机V相绕组温度、发电机W相绕组温度、齿轮箱油温、冷却系统温度、电力电子器件温度和机舱环境温度；步骤2，采用DBSCAN密度聚类计算方法对采集到的数据进行处理；该方法有助于及早发现状态偏移机组，同时，采用的密度聚类方法聚类速度快，能够有效处理噪声点和发现任意形状的空间聚类，不需要输入要划分的聚类个数，无需根据历史数据进行繁杂的训练，具有较强的通用性。具有较强的通用性。具有较强的通用性。

【技术实现步骤摘要】
一种基于密度聚类的多机组运行状态离群分析方法及系统


[0001]本专利技术涉及风力发电领域，具体涉及一种基于密度聚类的多机组运行状态离群分析方法及系统。

技术介绍

[0002]风电场通常由多台风力发电机组成，现有的风机运行监测系统往往通过设定阈值，连续监测单台风机的指定参量，并对比监测参量与阈值的方法对该机组运行状态进行分析。然而为了降低误报率，此方法中的阈值设定往往偏大，导致无法及早的发现故障隐患，仅在故障发生时识别。因此，需要在原有分析的基础之上，开展风电场多台风机之间的运行状态横向对比，发现运行中状态不同于其他机组的风机，做到故障发生前的预警。

技术实现思路

[0003]本专利技术的目的在于提供一种基于密度聚类的多机组运行状态离群分析方法及系统，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基于密度聚类的多机组运行状态离群分析方法，包括以下步骤：
[0006]步骤1，获取风电场每台风电机组t时刻对应的状态监测参量，组合形成该风电场对应的数据集，其中，所述状态监测参量包括电机转速、转矩、功率、电流有效值、发电机U相绕组温度、发电机V相绕组温度、发电机W相绕组温度、齿轮箱油温、冷却系统温度、电力电子器件温度和机舱环境温度；
[0007]步骤2，对步骤1中的数据集中的温度数据向量进行处理，得到具有温差向量的新的数据集矩阵；
[0008]步骤3，将步骤2中的新的数据集矩阵中每列温度向量和步骤1中的数据集中的电机转速向量转化为二维平面上的一组散点，将该组散点在二维平面上的坐标集记为二维点集；
[0009]步骤4，对步骤3中得到的二维点集进行DBSCAN密度聚类计算，得到该列温度向量设定时间内对应的状态值向量；
[0010]步骤5，将步骤1中的数据集中的转矩向量和功率向量分别与步骤1中的数据集中的电机转速向量转化为二维平面上的一组散点，将该组散点在二维平面上的坐标集记为二维点集；
[0011]步骤6，重复步骤4，结合步骤5得到的转矩向量和功率向量对应的二维点集，分别得到转矩向量和功率向量设定时间内对应的状态值向量；
[0012]步骤7，根据得到设定时间内对应的状态值向量对各个状态监测参量向量的离群状态进行识别。
[0013]优选地，步骤2中，对步骤1中的数据集中的温度数据向量进行处理，得到具有温差
向量的新的数据集矩阵，具体方法是：
[0014]分别计算数据集中的发电机U相绕组温度向量、发电机V相绕组温度向量、发电机W相绕组温度向量、齿轮箱油温向量、冷却系统温度向量及电力电子器件温度向量与机舱环境温度向量之间的温差向量，分别得到发电机U相绕组温差向量、发电机V相绕组温差向量、发电机W相绕组温差向量、齿轮箱油温温差向量、冷却系统温差向量及电力电子器件温差向量；
[0015]将得到的发电机U相绕组温差向量、发电机V相绕组温差向量、发电机W相绕组温差向量、齿轮箱油温温差向量、冷却系统温差向量及电力电子器件温差向量组成得到新的数据集矩阵。
[0016]优选地，步骤3，将步骤2中的新的数据集矩阵中每列温度向量和步骤1中的数据集中的电机转速向量转化为二维平面上的一组散点，将该组散点在二维平面上的坐标集记为二维点集，具体方法是：
[0017]分别步骤2中的新的数据集矩阵中每列温度向量作为平面二维分布的x轴；
[0018]将电机转速向量作为平面二维分布的y轴；
[0019]将平面二维上的散点对应的坐标集记为该列温度向量对应的二维点集。
[0020]优选地，步骤4中，对步骤3中得到的二维点集进行DBSCAN密度聚类计算，得到该列温度向量对应的状态值向量，具体方法是：
[0021]S41，设定DBSCAN密度聚类的Eps参数和MinPts参数；
[0022]S42，通过k
‑
distance算法计算得到Eps参数；
[0023]S43，根据二维点集计算得到MinPts参数；
[0024]S44，根据得到的Eps参数对二维点集进行聚类处理，得到该二维点集对应的密度向量；
[0025]S45，根据得到的MinPts参数对得到的密度向量进行分类，将该二维点集中点分为簇边界点集合和簇边界点集合；
[0026]S46，根据得到的密度向量、簇边界点集合和簇边界点集合则将二维点集中的点分为核心点、簇边界点和数据异常点；
[0027]S47，根据得到的核心点、簇边界点和数据异常点计算得到t时刻该列温度向量对应的状态值向量；
[0028]S48，重复S41至S47，分别计算t+Δt时刻、t+2Δt时刻、t+3Δt时刻以及t+4Δt时刻该列温度向量对应的状态值向量。
[0029]优选地，步骤7，根据得到设定时间内对应的状态值向量对各个状态监测参量向量的离群状态进行识别，具体方法是：
[0030]定义Outl
j
变量和Neg
j
变量；
[0031]根据得到设定时间内对应的状态值向量计算Outl
j
变量和Neg
j
变量；
[0032]根据计算得到的Outl
j
变量和Neg
j
变量对各对应的状态监测参量向量的离群状态进行识别。
[0033]优选地，根据计算得到的Outl
j
变量和Neg
j
变量对各对应的状态监测参量向量的离群状态进行识别。具体方法是：
[0034]若Outl
j
≥4；j号机组发电机u相绕组温差正常；
[0035]若2≤Outl
j
＜4，Neg
j
＝0；j号机组发电机u相绕组温差正常；
[0036]若2≤Outl
j
＜4，Neg
j
＞0；j号机组发电机u相绕组温差需要关注；
[0037]若0≤Outl
j
＜2，Neg
j
＝0；j号机组发电机u相绕组温差正常；
[0038]若0≤Outl
j
＜2，Neg
j
＞0；j号机组发电机u相绕组温差出现离群；
[0039]若
‑
2≤Outl
j
＜0；j号机组发电机u相绕组温差出现离群；
[0040]若Outl
j
＜
‑
2；j号机组发电机u相绕组温差出现严重离群。
[0041]一种基于密度聚类的多机组运行状态离群分析系统，包括：
[0042]数据采集单元，用于获取风电场每台风电机组t时刻对应的状态监测参量，组合形成该风电场对应的数据集，其中，所述状态监测参量包括电机转速、转矩、功率、电流有效值、发电机U相绕组温度、发电机V相绕组温度、发电机W相绕组温度、齿轮箱油温、冷却本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于密度聚类的多机组运行状态离群分析方法，其特征在于，包括以下步骤：步骤1，获取风电场每台风电机组t时刻对应的各个状态监测参量，将各个状态监测参量转化为对应状态监测参量向量，根据得到的各个状态监测参量向量组合形成该风电场对应的数据集矩阵，其中，各个状态监测参量向量分别是电机转速向量、转矩向量、功率向量、电流有效值向量、发电机U相绕组温度向量、发电机V相绕组温度向量、发电机W相绕组温度向量、齿轮箱油温向量、冷却系统温度向量、电力电子器件温度向量和机舱环境温度向量；步骤2，对步骤1中的数据集中的温度数据向量进行处理，得到具有温差向量的新的数据集矩阵，其中，所述温度数据向量包括发电机U相绕组温度向量、发电机V相绕组温度向量、发电机W相绕组温度向量、齿轮箱油温向量、冷却系统温度向量、电力电子器件温度向量和机舱环境温度向量；步骤3，将步骤2中的新的数据集矩阵中每列温度向量和步骤1中的数据集中的电机转速向量转化为二维平面上的一组散点，将该组散点在二维平面上的坐标集记为温度二维点集；步骤4，对步骤3中得到的温度二维点集进行密度聚类计算，得到该列温度向量设定时间内对应的状态值向量；步骤5，将步骤1数据集中的转矩向量和功率向量分别与步骤1中的数据集中的电机转速向量转化为二维平面上的一组散点，将得到的两组散点在二维平面上的坐标集分别记为转矩二维点集和功率二维点集；步骤6，根据步骤5得到的转矩二维点集和功率二维点集，分别得到转矩向量和功率向量设定时间内对应的状态值向量；步骤7，根据得到设定时间内对应的状态值向量对各个状态监测参量向量的离群状态进行识别。2.根据权利要求1所述的一种基于密度聚类的多机组运行状态离群分析方法，其特征在于，步骤2中，对步骤1中的数据集中的温度数据向量进行处理，得到具有温差向量的新的数据集矩阵，具体方法是：分别计算数据集中的发电机U相绕组温度向量、发电机V相绕组温度向量、发电机W相绕组温度向量、齿轮箱油温向量、冷却系统温度向量及电力电子器件温度向量与机舱环境温度向量之间的温差向量，分别得到发电机U相绕组温差向量、发电机V相绕组温差向量、发电机W相绕组温差向量、齿轮箱油温温差向量、冷却系统温差向量及电力电子器件温差向量；将得到的发电机U相绕组温差向量、发电机V相绕组温差向量、发电机W相绕组温差向量、齿轮箱油温温差向量、冷却系统温差向量及电力电子器件温差向量组成得到新的数据集矩阵。3.根据权利要求1所述的一种基于密度聚类的多机组运行状态离群分析方法，其特征在于，步骤3，将步骤2中的新的数据集矩阵中每列温度向量和步骤1中的数据集中的电机转速向量转化为二维平面上的一组散点，将该组散点在二维平面上的坐标集记为温度二维点集，具体方法是：分别步骤2中的新的数据集矩阵中每列温度向量作为平面二维分布的x轴；将电机转速向量作为平面二维分布的y轴；将平面二维上的散点对应的坐标集记为该列温度向量对应的二维点集。
4.根据权利要求1所述的一种基于密度聚类的多机组运行状态离群分析方法，其特征在于，步骤4中，对步骤3中得到的温度二维点集进行密度聚类计算，得到该列温度向量设定时间内对应的状态值向量，具体方法是：S41，设定密度聚类计算的Eps参数和MinPts参数；S42，通过k
‑
distance算法计算得到Eps参数；S43，根据二维点集计算得到MinPts参数；S44，根据得到的Eps参数对二维点集进行聚类处理，得到该二维点集对应的密度向量；S45，根据得到的MinPts参数对得到的密度向量进行分类，将该二维点集中点分为簇边界点集合和簇边界点集合；S46，根据得到的密度向量、簇边界点集合和簇边界点集合则将二维点集中的点分为核心点、簇边界点和数据异常点；S47，根据得到的核心点、簇边界点和数据异常点计算得到t时刻该列温度向量对应的状态值向量；S48，重复S41至S47，分别计算t+Δt时刻、t+2Δt时刻、t+3Δt时刻以及t+4Δt时刻该列温度向量对应的状态值向量。5.根据权利要求1所述的一种基于密度聚类的多机组运行状态离群分析方法，其特征在于，步骤7，...

【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：