一种面向大型风电机组实时出力性能的评估方法技术

本发明专利技术公开了一种面向大型风电机组实时出力性能的评估方法。该方法基于风电机组正常运行状态下数据采集与监视控制系统记录数据集，设计利用滑窗技术的离群点检测方法，并设计带有时间信息提取的特征提取模型，选取XGBoost模型拟合风能利用系数与输入特征的等效数学模型，并统计训练集中超限程度，用于在线应用时出力性能的实时评估。在本发明专利技术的实时出力性能评估方法中，对每个数据点能够进行多次判断，并统计其离群程度进行离群点检测，从而获取更鲁棒、更灵活的检测结果；在特征提取中考虑变量时间依赖性，解决了机器学习XGBoost模型没有利用时间信息的问题，基于训练集超限程度作为在线实时评估依据，避免了人为主观因素的干扰，保证了评估的准确性。保证了评估的准确性。保证了评估的准确性。

【技术实现步骤摘要】
一种面向大型风电机组实时出力性能的评估方法


[0001]本专利技术涉及一种面向大型风电机组实时出力性能的评估方法，基于风机正常运行状态数据集设计离群点检测方法，设计带有时间信息提取的自编码模型进行特征提取，从而拟合风能利用系数与输入特征之间等效数学模型，实时获取风能利用系数进行风机出力性能评估。

技术介绍

[0002]随着社会的不断发展，高耗能的企业对于石油、天然气等不可再生能源的消耗日益增加，全世界已经出现了能源紧缺，以及消耗不可再生能源带来的环境污染问题，因此开发清洁的，可再生的能源成为解决能源问题的有效途径。风能作为一种可再生能源，储量丰富，清洁无污染，得到了迅速发展，在全球风力发电迅速发展的背景下，我国是全球风力发电增长速度最快的市场，我国的风机装机总容量已位于世界前列。但近几年风力发电市场的快速发展也导致了研发时期的准备不足，准备不足以及风机运行环境的复杂多变导致了风机故障率高，风机的运行维护费用居高不下。
[0003]风电机组最重要的特性为输出功率特性，即出力性能，对每台机组准确评估其出力性能，能够准确评估机组的当前运行状态，及时发现性能下降并找出性能降低的原因，避免出力性能持续下降，进而引起停机造成更大损失，对提高风电场的运营管理水平和经济效益有至关重要的意义。风电机组的出力性能通常由风能利用系数表征，风能利用系数反映了风电机组对风能的利用效率，是机组性能优劣的重要标志。结合数据挖掘技术，通过拟合风能利用系数与相关变量模型，实时获取风机正常运行状态下风能利用系数基准值，通过计算风能利用系数实际运行值与基准值的残差对风机出力性能实时评估便成为重中之重。

技术实现思路

[0004]本专利技术目的在于通过拟合风能利用系数与相关特征的等效数学模型，在线实时获取风能利用系数计算值与模型拟合值残差，从而对风电机组出力性能进行实时评估，提出一种面向大型风电机组实时出力性能的评估方法。该方法选取风电机组正常运行状态的数据集，设计基于每个数据点能够保证有多次判断的离群点检测方法，进行更鲁棒的离群点剔除，从而保证了输入数据的有效性，通过设计带有时间信息提取的自编码Autoencoder with Temporal Information Extraction(AE
‑
TIE)模型，在特征提取时加入历史时间信息，解决了机器学习XGBoost模型没有考虑时间依赖性的缺陷，保证了模型的精确性，通过统计训练集中超限程度进行在线应用时的判断基准，避免了孤立异常值引起的错误判断，保证了出力性能评估的准确性，具有理论意义与实用价值。
[0005]本专利技术的目的通过以下的技术方案实现：一种面向大型风电机组实时出力性能的评估方法，该方法包括以下步骤：
[0006]1)选取待进行实时出力性能评估的风电机组，获取该风电机组数据采集与监视控
制(SCADA)系统中所记录的正常运行状态下的运行数据，运行参数包括风速v、空气密度ρ、转速ω、桨距角β、偏航角θ和有功功率P等，记为数据集X，x＝{v，ρ，ω，β，θ，P，...}
T
，并获取风电机组的结构参数，包括风轮半径R和功率转换效率η；
[0007]2)计算风能利用系数C
p
，计算公式为并基于风能利用系数
‑
风速数据集进行离群点剔除，首先进行风速区间划分，风速区间长度设置为L
v
，所划分风速区间个数为之后设置风速滑窗长度W
v
为k倍的风速区间长度，表示为W
v
＝k
·
L
v
，滑窗自风机切入风速v
cut
‑
in
移动至风机切出风速v
cut
‑
out
，利用每个滑窗内的风能利用系数数值绘制箱型图，并基于箱型图结果进行离群点检测；
[0008]3)每个数据点能够在多个滑窗内进行检测，得到多个是否为离群点的检测结果，检测结果认定是离群点的次数与总检测次数比值作为该数据点的离群程度；
[0009]4)统计所有数据点的离群程度，并设置离群程度阈值h，h∈[0，1)，离群程度大于h的数据点予以剔除，得到离群点剔除后的数据集X
′
；
[0010]5)设计带有时间信息提取的自编码Autoencoder with Temporal Information Extraction (AE
‑
TIE)模型进行特征提取；为输入时间信息，首先利用滑窗技术，设置滑窗长度W，滑窗内的数据表示为其中T为当前时刻，n为数据集中的变量个数，将X
″
输入至编码器中，编码器由LSTM单元构成，编码器输出为隐藏向量m为隐藏向量的维度，之后为进行隐藏向量中的短期时间信息提取，设计一层卷积神经网络CNN层，CNN层中有p个滤波器，每个滤波器的维度设置为从而能够对隐藏向量中不同时刻的时间信息进行提取，得到新的隐藏向量最后将新的隐藏向量h
′
输入至解码器中，解码器也由LSTM单元构成，得到重构的输入向量通过最小化重构误差进行模型训练；
[0011]6)将AE
‑
TIE模型中新的隐藏向量h
′
作为输入特征，离群点剔除后的风能利用系数作为目标变量y，构造训练集[h
′
，y]；
[0012]7)选取机器学习模型XGBoost作为变量估计模型拟合风能利用系数与隐藏向量h
′
之间的等效模型y＝f(h
′
)，训练完成后，获取训练集中风能利用系数实际值与模型估计值的残差序列，并设置残差阈值上下限，之后设置评估周期T
period
，统计训练集中每个周期T
period
时间内，残差值超过残差阈值上限或低于残差阈值下限的数据点的个数，并统计所有评估周期内超限数据点的最大个数c
max
；
[0013]8)在线应用进行风电机组实时出力性能评估时，通过SCADA系统中运行数据，首先基于步骤5)设计的AE
‑
TIE模型提取特征h
′
，之后通过训练完成的变量估计模型实时获取风能利用系数的模型估计值求取风能利用系数实时计算值C
p
与变量估计模型输出值之间的残差每经过预先设置的时间周期T
period
后，统计残差值超过残差阈值上限或低于残差阈值下限的数据点个数，当该周期内残差值超限的个数大于训练集中所有评
估周期内超限数据点的最大个数c
max
时，认定风电机组此时的出力性能出现异常。
[0014]进一步地，所述步骤2)中，基于每个滑窗的风能利用系数数值绘制箱型图时，首先求取上四分位数Q3以及下四分位数Q1，以及四分位距I
QR
＝Q3‑
Q1，之后设置箱型图上边缘U＝Q3+1.5I
QR
及下边缘L＝Q1‑
1.5I
QR<本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种面向大型风电机组实时出力性能的评估方法，其特征在于，该方法包括以下步骤：1)选取待进行实时出力性能评估的风电机组，获取该风电机组SCADA系统中所记录的正常运行状态下的运行数据，运行参数包括风速v、空气密度ρ、转速ω、桨距角β、偏航角θ和有功功率P等，记为数据集X，X＝{v,ρ,ω,β,θ,P,...}
T
，并获取风电机组的结构参数，包括风轮半径R和功率转换效率η；2)计算风能利用系数C
p
，计算公式为并基于风能利用系数
‑
风速数据集进行离群点剔除，首先进行风速区间划分，风速区间长度设置为L
v
，所划分风速区间个数为之后设置风速滑窗长度W
v
为k倍的风速区间长度，表示为W
v
＝k
·
L
v
，滑窗自风机切入风速v
cut
‑
in
移动至风机切出风速v
cut
‑
out
，利用每个滑窗内的风能利用系数数值绘制箱型图，并基于箱型图结果进行离群点检测；3)每个数据点能够在多个滑窗内进行检测，得到多个是否为离群点的检测结果，检测结果认定是离群点的次数与总检测次数比值作为该数据点的离群程度；4)统计所有数据点的离群程度，并设置离群程度阈值h，h∈[0,1)，离群程度大于h的数据点予以剔除，得到离群点剔除后的数据集X
′
；5)设计带有时间信息提取的自编码(AE
‑
TIE)模型进行特征提取；为输入时间信息，首先利用滑窗技术，设置滑窗长度W，滑窗内的数据表示为其中T为当前时刻，n为数据集中的变量个数，将X
″
输入至编码器中，编码器由LSTM单元构成，编码器输出为隐藏向量m为隐藏向量的维度，之后为进行隐藏向量中的短期时间信息提取，设计一层卷积神经网络CNN层，CNN层中有p个滤波器，每个滤波器的维度设置为从而能够对隐藏向量中不同时刻的时间信息进行提取，得到新的隐藏向量最后将新的隐藏向量h
′
输入至解码器中，解码器也由LSTM单元构成，得到重构的输入向量通过最小化重构误差进行模型训练；6)将AE
‑
TIE模型中新的隐藏向量h
′
作为输入特征，离群点剔除后的风能利用系数作为目标变量y，构造训练集[h
′
,y]；7)选取机器学习模型XGBoost作为变量估计模型拟合风能利用系数与隐藏向量h
′
之间的等效模型y＝f(h
′
)，训练完成后，获取训练集中风能利用系数实际值与模型估计值的残差序列，并设置残差阈值上下限，之后设置评估周期T
period
，统计训练集中每个周期T
period
...

【专利技术属性】
技术研发人员：陈棋，傅凌焜，孙勇，王琳，杨秦敏，陈积明，孟文超，刘广仑，
申请(专利权)人：浙江运达风电股份有限公司，
类型：发明
国别省市：