风电机组的能效状态评价方法、系统及介质技术方案

本申请提出了一种风电机组的能效状态评价方法、系统及介质，该方法包括：对风电机组的能效机理进行分析，建立能效状态评价指标体系；获取机组的历史数据，通过多步K均值聚类算法对历史数据进行工况划分；针对每个工况，从历史数据中获取包含综合性指标和影响综合性指标的特征参数的样本集，并通过支持向量机回归技术计算特征参数的权重；根据历史数据确定各个工况下特征参数的基准值和阈值；根据当前工况下每个特征参数的实际值、基准值和阈值计算特征参数的偏离度，并根据特征参数的偏离度和权重生成机组的能效状态评价结果。该方法能够对风电机组的能效状态进行准确的评价，有利于客观全面的了解机组当前的运行状况，避免发生故障。生故障。生故障。

Evaluation method, system and medium of energy efficiency state of wind turbine

【技术实现步骤摘要】
风电机组的能效状态评价方法、系统及介质


[0001]本申请涉及风力发电
，尤其涉及一种风电机组的能效状态评价方法、系统及介质。

技术介绍

[0002]在当前减少碳排放量的形势下,风力发电作为一种主要的新能源技术越来越引起人们的关注。目前,风电装机容量迅猛增长，风电在电力能源结构中占比不断提升，风电机组单机容量不断提高,并且，随着陆上风电技术的相对成熟，鉴于海上风资源的巨大开发价值，大容量风力发电场的建设正由陆地向近海乃至远海发展,而海上风电机组面临着更加高昂的建造安装成本，更加恶劣的运行环境以及更高的运行维护成本。因此，为了在保证风电机组平稳健康运行的同时，提高发电能力，降低运行和维护成本，对风电机组的能效状态进行评价,已成为风能长期健康发展的关键步骤之一。
[0003]相关技术中，通常是先通过主观赋值或结合历史数据进行客观赋值的方式，预先设定能效阈值，然后对风电机组进行能效状态监测，将监测的能效状态数据与预设的阈值进行比较进行能效评价。然而，上述相关技术中的能效评价方式没有全面的考虑风电机组的能效损失机理，评价方式较为片面，且不适用于风电机组复杂的运行工况，导致目前的能效评价的准确性较低。

技术实现思路

[0004]本申请旨在至少在一定程度上解决相关技术中的技术问题之一。
[0005]为此，本申请的第一个目的在于提出一种风电机组的能效状态评价方法，该方法采用数据挖掘技术从历史数据中获取各个能效特征参数的基准值、阈值和权重，并根据实时数据与基准值的偏离度结合权重获得能效评价结果。从而能够对风电机组的能效状态进行准确的评价，有利于客观全面的了解机组当前的运行状况，针对运行状况及时进行调整，降低机组发生故障的概率。
[0006]本申请的第二个目的在于提出一种风电机组的能效状态评价系统；
[0007]本申请的第三个目的在于提出一种非临时性计算机可读存储介质。
[0008]为达上述目的，本申请的第一方面实施例在于提出一种风电机组的能效状态评价方法，该方法包括以下步骤：
[0009]对风电机组的能效机理进行综合分析，建立包含多级经济性指标的能效状态评价指标体系；
[0010]获取待评价的风电机组的历史数据，并根据所述能效状态评价指标体系建立工况特征集，通过多步K均值聚类算法对所述历史数据进行工况划分；
[0011]针对每个工况，从所述历史数据中获取包含每个样本的综合性指标，以及根据所述能效状态评价指标体系确定的影响每个所述综合性指标的全部特征参数的样本集，并通过支持向量机回归技术计算所述综合性指标对应的每个所述特征参数的敏感性系数，根据
所述敏感性系数确定所述特征参数的权重；
[0012]根据所述历史数据确定每个工况下每个所述特征参数的基准值和阈值；
[0013]获取所述待评价的风电机组的实时数据，根据当前工况下每个所述特征参数的实际值、基准值和阈值，计算每个所述特征参数的偏离度，并根据每个所述特征参数在当前工况下的偏离度和权重生成所述待评价的风电机组的能效状态评价结果。
[0014]可选地，在本申请的一个实施例中，通过支持向量机回归技术计算所述综合性指标对应的每个所述特征参数的敏感性系数，包括：基于支持向量机回归模型建立表示所述综合性指标与所述特征参数之间的映射关系的回归函数；引入不敏感损失函数将所述回归函数转换为第一函数，并引入结构风险函数将所述第一函数转换为第二函数；通过求取所述第二函数的凸优化对偶的最优解，将所述第二函数转换为具有第一约束条件组的第三函数；通过拉格朗日乘子处理所述第一约束条件组，以将所述第三函数转换为第四函数；通过支持向量机回归模型算法,将所述第四函数转换为第五函数，所述第五函数具有第二约束条件组,并通过计算所述第五函数的最优解，获得所述支持向量机回归模型的决策函数；将所述决策函数对任一特征参数求一阶偏导数，获取所述任一特征参数的敏感性系数。
[0015]可选地，在本申请的一个实施例中，根据所述历史数据确定每个工况下每个所述特征参数的基准值和阈值，包括：根据工况划分结果将所述历史数据划分为对应个数的训练样本集；在每个所述训练样本集中，将所述待评价的风电机组的能效水平最高时，每个所述特征参数的能效指标值设置为对应的基准值；计算每个工况下每个所述特征参数的平均值和标准差，并通过以下公式计算每个所述特征参数的阈值：
[0016][0017]其中，X
i
为特征参数的阈值，为特征参数的平均值，σ为标准差。
[0018]可选地，在本申请的一个实施例中，根据当前工况下每个所述特征参数的实际值、基准值和阈值，计算每个所述特征参数的偏离度，包括：根据每个所述特征参数的实际值和基准值计算每个所述特征参数的偏差值；通过以下公式计算每个所述特征参数的偏离度：
[0019][0020]其中，μ为偏离度，d
i
为特征参数的偏差值，X
i
为特征参数的阈值，为特征参数的基准值。
[0021]可选地，在本申请的一个实施例中，根据所述敏感性系数确定所述特征参数的权重，包括：将所述敏感性系数进行正则化处理，并将正则化处理后的敏感性系数进行标注化处理。
[0022]可选地，在本申请的一个实施例中，通过以下公式计算所述待评价的风电机组的能效状态评价结果：
[0023][0024]其中，F为能效状态评价值，n为特征参数的个数，S
i
为特征参数的权重，μ
i
为特征参
数的偏离度。
[0025]为达上述目的，本申请的第二方面实施例还提出了一种风电机组的能效状态评价系统，包括以下模块:
[0026]建立模块，用于对风电机组的能效机理进行综合分析，建立包含多级经济性指标的能效状态评价指标体系；
[0027]划分模块，用于获取待评价的风电机组的历史数据，并根据所述能效状态评价指标体系建立工况特征集，通过多步K均值聚类算法对所述历史数据进行工况划分；
[0028]第一确定模块，用于针对每个工况，从所述历史数据中获取包含每个样本的综合性指标，以及根据所述能效状态评价指标体系确定的影响每个所述综合性指标的全部特征参数的样本集，并通过支持向量机回归技术计算所述综合性指标对应的每个所述特征参数的敏感性系数，根据所述敏感性系数确定所述特征参数的权重；
[0029]第二确定模块，用于根据所述历史数据确定每个工况下每个所述特征参数的基准值和阈值；
[0030]生成模块，用于获取所述待评价的风电机组的实时数据，根据当前工况下每个所述特征参数的实际值、基准值和阈值，计算每个所述特征参数的偏离度，并根据每个所述特征参数在当前工况下的偏离度和权重获得所述待评价的风电机组的能效状态评价结果。
[0031]可选地，在本申请的一个实施例中，第一确定模块，具体用于：基于支持向量机回归模型建立表示所述综合性指标与所述特征参数之间的映射关系的回归函数；引入不敏感损失函数将所述回归函数转换为第一函数，并本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种风电机组的能效状态评价方法，其特征在于，包括以下步骤：对风电机组的能效机理进行综合分析，建立包含多级经济性指标的能效状态评价指标体系；获取待评价的风电机组的历史数据，并根据所述能效状态评价指标体系建立工况特征集，通过多步K均值聚类算法对所述历史数据进行工况划分；针对每个工况，从所述历史数据中获取包含每个样本的综合性指标，以及根据所述能效状态评价指标体系确定的影响每个所述综合性指标的全部特征参数的样本集，并通过支持向量机回归技术计算所述综合性指标对应的每个所述特征参数的敏感性系数，根据所述敏感性系数确定所述特征参数的权重；根据所述历史数据确定每个工况下每个所述特征参数的基准值和阈值；获取所述待评价的风电机组的实时数据，根据当前工况下每个所述特征参数的实际值、基准值和阈值，计算每个所述特征参数的偏离度，并根据每个所述特征参数在当前工况下的偏离度和权重生成所述待评价的风电机组的能效状态评价结果。2.根据权利要求1所述的方法，其特征在于，所述通过支持向量机回归技术计算所述综合性指标对应的每个所述特征参数的敏感性系数，包括：基于支持向量机回归模型建立表示所述综合性指标与所述特征参数之间的映射关系的回归函数；引入不敏感损失函数将所述回归函数转换为第一函数，并引入结构风险函数将所述第一函数转换为第二函数；通过求取所述第二函数的凸优化对偶的最优解，将所述第二函数转换为具有第一约束条件组的第三函数；通过拉格朗日乘子处理所述第一约束条件组，以将所述第三函数转换为第四函数；通过支持向量机回归模型算法将所述第四函数转换为第五函数，所述第五函数具有第二约束条件组,并通过计算所述第五函数的最优解，获得所述支持向量机回归模型的决策函数；将所述决策函数对任一特征参数求一阶偏导数，获取所述任一特征参数的敏感性系数。3.根据权利要求1或2所述的方法，其特征在于，所述根据所述历史数据确定每个工况下每个所述特征参数的基准值和阈值，包括：根据工况划分结果将所述历史数据划分为对应个数的训练样本集；在每个所述训练样本集中，将所述待评价的风电机组的能效水平最高时，每个所述特征参数的能效指标值设置为对应的基准值；计算每个工况下每个所述特征参数的平均值和标准差，并通过以下公式计算每个所述特征参数的阈值：其中，X
i
为特征参数的阈值，为特征参数的平均值，σ为标准差。4.根据权利要求3所述的方法，其特征在于，所述根据当前工况下每个所述特征参数的实际值、基准值和阈值，计算每个所述特征参数的偏离度，包括：
根据每个所述特征参数的实际值和基准值计算每个所述特征参数的偏差值；通过以下公式计算每个所述特征参数的偏离度：其中，μ为偏离度，d
i
为特征参数的偏差值，X
i
为特征参数的阈值，为特征参数的基准值。5.根据权利要求1所述的方法，其特征在于，所述根据所述敏感性系数确定所述特征参数的权重，包括：将所述敏感性...

【专利技术属性】
技术研发人员：朱俊杰，任鑫，杨玉中，杨和康，牛耘，钟清，郝龙，彭安栋，罗朝军，
申请(专利权)人：中国华能集团清洁能源技术研究院有限公司，
类型：发明
国别省市：