【技术实现步骤摘要】
一种基于VMD
‑
JAYA
‑
LSSVM的风机叶片结冰状态评估方法
[0001]本专利技术涉及一种状态评估方法,尤其是涉及一种基于VMD
‑
JAYA
‑
LSSVM的风机叶片结冰状态评估方法。
技术介绍
[0002]风电机组叶片表面的完整性对风能捕捉效率影响颇大。在我国东北、华北和西北地区这些纬度较高的地方,低温寒冷天气时在风电机组上产生覆冰,叶片覆冰会对其运转的安全性和稳定性造成显著影响。在风力机叶片上粘附的冰层会大大降低风电机组叶片的气动特性,从而导致风电机组对风能的捕捉效率下降,最后导致机组运行效率下降。此外,不同程度的叶片覆冰还会导致风电机组叶片不平衡,机组主要部件的载荷增加,将会显著减少风电机组使用寿命,叶片主要部件的载荷还会增加应力导致电气故障甚至机组停机;并且当风速较高时,从风电机叶片上甩脱落的冰凌还会对风电厂的工程人员和电厂附近的居民造成多余的财产损失甚至威胁生命安全。
[0003]构建评估叶片结冰状态的风电机组故障诊断系统,就可以在叶片结冰早期进行除冰、降功率、停机等操作,减少风电机组功率损失和保证机组平稳安全运行。实现早发觉,早处理。因此,开展风电机组结冰检测研究对提高风电机组的经济性和稳定性有着重要意义。
[0004]在专利技术《一种风机叶片结冰状态实时监测方法、系统、介质及设备》中公开了一种云台相机对风机叶片进行视频拍摄方法(申请号:CN201910750771.5公开号:CN110472684B),将得到的 ...
【技术保护点】
【技术特征摘要】
1.基于VMD
‑
JAYA
‑
LSSVM的风机叶片结冰状态评估方法,其特征为:包括如下步骤:步骤一:基于VMD算法分解风速序列,对风速信号进行降噪处理;步骤二:利用JAYA算法对LSSVM的参数进行优化,得到优化预测模型并对风电功率进行预测;步骤三:基于滑动窗口算法的叶片结冰检测分析。2.根据权利要求1所述的基于VMD
‑
JAYA
‑
LSSVM的风机叶片结冰状态评估方法,其特征为:所述步骤一进一步包括如下内容:(a)初始化风速序列的模态函数中心频率拉格朗日乘法算子和分解模态数K;(b)根据式(1)和式(2)更新u
k
和ω
k
;;式中,相当于当前剩余量的维纳滤波;为当前模态函数功率谱的中心,对进行傅里叶逆变换,其实部为{u
k
(t)};(c)更新λ,更新策略如式(3);(d)对于给定判别精度e>0,若则停止迭代,否则返回(b);当风速序列分解成若干个模态之后,降低了风速的噪声影响,再结合气象影响因素中的气压数据就可以作为预测模型的输入。3.根据权利要求1所述的基于VMD
‑
JAYA
‑
LSSVM的风机叶片结冰状态评估方法,其特征为:所述步骤二进一步包括如下内容:(a)将VMD分解出的风速风量结合气象影响因素中的气压数据作为预测模型的训练输入;(b)初始化预测模型参数;JAYA算法设计种群大小为30、算法终止的条件为达到最大迭代次数1000,算法设计变量的数量为2;LSSVM模型中正则化参数Y和核函数参数σ经多次试验,优化取值的范围分别为[0.1,100]和[0.1,500];(c)定义JAYA算法的目标函数;为了使预测模型性能更好,选择ERMSE作为JAYA算法的目标函数,其公式如下:其中,n为风电功率预测点的数量,y
i
为风电功率的实际值,y
′
i
为风电功率的预测值;(d)在优化参数的取值范围内随机生成的一组向量[γ,σ],为JAYA算法种群内的每一个个体分配一组(γ,σ);(e)根据LSSVM的训练结果,计算式(4)的个体的目标函数值,得到当前种群的最优解和最差解;最优解即E
RMSEmin
,最差解是E
RMSEmax
。
(f)根据求得的最优解E...
【专利技术属性】
技术研发人员:房方,石鑫,吴志跃,任鑫,王华,廖双乐,周游,景栋盛,
申请(专利权)人:华能集团技术创新中心有限公司国网综合能源服务集团有限公司国网江苏省电力有限公司苏州供电分公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。