一种风力发电机组风速计异常识别方法与系统技术方案

本申请公开了一种风力发电机组风速计异常识别方法与系统，其方法包括筛选参考时段风速计的风速数据；筛选待检验时段风速计的风速数据；根据参考时段风速计的风速及输出功率数据获取参考健康功率曲线；根据待检验时段风速计的风速数据判断待检验风机在待检验时段的

【技术实现步骤摘要】
一种风力发电机组风速计异常识别方法与系统


[0001]本申请涉及风电领域，尤其是涉及一种风力发电机组风速计异常识别方法与系统。

技术介绍

[0002]风能很早就被人们利用，过去主要利用风能来进行抽水磨面，现代利用风能的主要手段为通过风力发现机组将风能转换为电能，也称为风力发电，风力发电是指把风的动能转换为电能。
[0003]目前，机舱风速计是风力发现机组重要的传感器，其在机组控制、功率曲线评估以及故障诊断模型分析时，有着不可或缺的作用，因此机舱风速计异常识别具有十分重要的意义。
[0004]相关技术中，风机机舱风速计由于位置与轮毂距离较近，其测量值必然受轮毂角速度的干扰，因此通过风速计对风速测量较易受到风电机组轮毂的影响，导致较难识别风机机舱风速计是否异常。

技术实现思路

[0005]为了改善较难识别风机机舱的风速计是否异常的问题，本申请提供一种风力发电机组风速计异常识别方法与系统。
[0006]本申请提供的一种风力发电机组风速计异常识别方法与系统采用如下的技术方案：一种风力发电机组风速计异常识别方法，包括：筛选参考时段风速计的风速与风机运行相关数据；筛选待检验时段风速计的风速与风机运行相关数据；根据所述参考时段风速计的所述风速及风机输出功率获取参考健康功率曲线；根据所述待检验时段风速计的风速判断待检验风机在所述待检验时段的
‘
功率
‑
风速
’
散点是否偏离所述参考健康功率曲线；若否，则判断所述待检验风机风速计无异常；若是，则获取参考健康模型，通过所述参考健康模型判断所述待检验风机风速计是否异常。
[0007]通过采用上述技术方案，由于参考时段为风速计未被遮挡的时段，因此风速计能测量真实的风速数据，通过参考时段风速计的风速数据获取参考健康功率曲线，根据待检验时段风速计的风速数据判断待检验风机在待检验时段的
‘
功率
‑
风速
’
散点，使分别通过参考健康功率曲线对待检验风机风速计进行检验，当
‘
功率
‑
风速
’
散点偏离参考健康功率曲线时还可通过参考健康模型对待检验风机风速计检验判断风速计是否异常，降低识别风机机舱风速计的难度。
[0008]可选的，所述根据所述参考时段风速计的所述风速数据及风机输出功率数据获取
参考健康功率曲线之前还包括：从所述参考时段风速计的风速数据与所述待检验时段风速计的风速数据选取合适的数据分辨率；从所述参考时段风速计的风速数据与所述待检验时段风速计的风速数据选取合适的轮毂转速最低阈值；从所述参考时段风速计的风速数据与所述待检验时段风速计的风速数据选取合适的风速区间。
[0009]通过采用上述技术方案，使能分别选取合适的数据分辨率、轮毂转速最低阈值与风速区间，使获取的风速数据更加准确。
[0010]可选的，所述参考时段风机运行相关数据包括参考风机轮毂角速度，所述待检验时段的风机运行相关数据包括待检验风机风速与待检验风机轮毂角速度，所述获取参考健康模型包括：分别获取参考风机风速、参考风机轮毂角速度与待检验风机轮毂角速度；将所述参考风机风速、轮毂角速度与所述待检验风机轮毂角速度作为神经网络输入层，将所述待检验风机风速作为神经网络模型输出层；将参考时段的所述参考风机风速、轮毂角速度、所述待检验风机轮毂角速度与所述待检验风机风速随机划分为训练集与测试集；用训练集训练神经网络获得参考风机风速与所述待检测风机风速在参考时段下相互关联的参考健康模型。
[0011]通过采用上述技术方案，使能通过参考风机轮毂角速度、参考风机风速与待检验风机风速与待检验风机轮毂角速度训练参考健康模型，通过参考健康模型来对风速计进行检验。
[0012]可选的，所述获取参考健康模型之后还包括：将所述测试集输入所述参考健康模型获得决定系数；判断所述决定系数是否大于临界决定系数；若是，则说明使用该段参考时段的风速计的风速数据可用来训练所述参考健康模型；若否，则重新获取参考时段风速计的风速数据。
[0013]通过采用上述技术方案，使通过决定系数判断能否用来训练参考健康模型，当不能用来训练参考健康模型时则重新获取参考时段风速计的风速数据。
[0014]可选的，所述通过所述参考健康模型判断所述待检验风机风速计是否异常包括：将参考风机风速、参考轮毂角速度与待检验风机轮毂角速度输入参考健康模型，获得多个分别对应每一检验时刻的检验时刻残差；获取测试集残差的正常区间；判断多个所述检验时刻残差是否属于所述正常区间并根据判断结果获得正常率；判断所述正常率是否小于最小正常率；若是，则说明待检验风机风速计工作异常；若否，则说明待检验风机风速计工作正常。
[0015]通过采用上述技术方案，当使用参考健康模型判断风速计是否异常时，将参考风
机风速、参考轮毂角速度与待检验风机轮毂角速度输入参考健康模型，获得多个分别对应每一检验时段的检验时段残差，并获得测试残差的正常区间，逐一判断检验时段残差是否在正常区间内，根据正常率判断风机风速计是否工作正常。
[0016]可选的，所述获得测试集残差的正常区间包括：分别获取多个所述检验时刻残差的下四分位数与上四分位数；基于所述残差的所述下四分位数与上四分位数获取所述测试集残差的正常区间。
[0017]可选的，所述判断多个所述检验时刻残差是否属于所述正常区间并根据判断结果获得正常率包括：逐一判断所述检验时刻残差是否属于所述正常区间；若是，则判断该时刻为正常；若否，则判断该时刻为异常；分别获得判断正常的正常时刻数与所有时刻数；基于所述正常时刻数与所述所有时刻数获得所述正常率。
[0018]通过采用上述技术方案，使能判断检验时段残差是否属于正常区间并根据判断结果获得正常率。
[0019]一种风力发电机组风速计异常识别系统，包括：参考时段风速数据获取模块，用于获取参考时段风速计的风速数据；待检验时段风速数据获取模块，用于获取待检验时段风速计的风速数据；参考健康功率曲线获取模块，用于根据所述参考时段风速计的风速数据获取参考健康功率曲线；第一判断模块，用于根据所述待检验时段风速计的风速数据判断待检验风机在所述待检验时段的
‘
功率
‑
风速
’
散点是否偏离所述参考健康功率曲线；第二判断模块，用于通过所述参考健康模型判断所述待检验风机风速计是否异常。
[0020]通过采用上述技术方案，参考时段风速数据获取模块获取参考时段风速计的风速数据，待检验时段风速数据获取模块获取待检验时段风速计的风速数据，参考健康功率曲线获取模块根据所述参考时段风速计的风速数据获取参考健康功率曲线，第一判断模块根据所述待检验时段风速计的风速数据判断待检验风机在所述待检验时段的
‘
功率
‑
风速
’
散点是否偏离所述参考健康功率曲线，第二判断模块通过所述参考健康模型判断所述待检验风机风速计是本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种风力发电机组风速计异常识别方法，其特征在于，包括：筛选参考时段风速计的风速与风机运行相关数据；筛选待检验时段风速计的风速与风机运行相关数据；根据所述参考时段风速计的所述风速及风机输出功率获取参考健康功率曲线；根据所述待检验时段风速计的风速判断待检验风机在所述待检验时段的
‘
功率
‑
风速
’
散点是否偏离所述参考健康功率曲线；若否，则判断所述待检验风机风速计无异常；若是，则获取参考健康模型，通过所述参考健康模型判断所述待检验风机风速计是否异常。2.根据权利要求1所述的方法，其特征在于，所述根据所述参考时段风速计的所述风速数据及风机输出功率数据获取参考健康功率曲线之前还包括：从所述参考时段风速计的风速数据与所述待检验时段风速计的风速数据选取合适的数据分辨率；从所述参考时段风速计的风速数据与所述待检验时段风速计的风速数据选取合适的轮毂转速最低阈值；从所述参考时段风速计的风速数据与所述待检验时段风速计的风速数据选取合适的风速区间。3.根据权利要求1所述的方法，其特征在于，所述参考时段风机运行相关数据包括参考风机轮毂角速度，所述待检验时段的风机运行相关数据包括待检验风机风速与待检验风机轮毂角速度，所述获取参考健康模型包括：分别获取参考风机风速、参考风机轮毂角速度与待检验风机轮毂角速度；将所述参考风机风速、轮毂角速度与所述待检验风机轮毂角速度作为神经网络输入层，将所述待检验风机风速作为神经网络模型输出层；将参考时段的所述参考风机风速、轮毂角速度、所述待检验风机轮毂角速度与所述待检验风机风速随机划分为训练集与测试集；用训练集训练神经网络获得参考风机风速与所述待检测风机风速在参考时段下相互关联的参考健康模型。4.根据权利要求3所述的方法，其特征在于，所述获取参考健康模型之后还包括：将所述测试集输入所述参考健康模型获得决定系数；判断所述决定系数是否大于临界决定系数；若是，则说明使用该段参考时段的风速计的风速数据可用来训练所述参考健康模型；若否，则重新获取参考时段风速计的风速数据。5.根据权利要求4所述的方法，其特征在于：所述通过所述参考健康模型判断所述待检验风机风速计是否异...

【专利技术属性】
技术研发人员：尹业峰，黄凌翔，曾冰，彭郞军，
申请(专利权)人：哈电风能有限公司，
类型：发明
国别省市：