一种基于机器学习的风电机组功率性能分析方法技术

本发明专利技术涉及风力发电机技术领域，具体而言，涉及一种基于机器学习的风电机组功率性能分析方法，该方法的步骤包括：获取机组的运行数据，基于第一设定条件对机组的运行数据进行判断，若机组的运行数据满足第一设定条件，则构建并训练性能分析模型，并通过第一优化模块、第二优化模块对性能分析模型进行反馈优化，并将机组的运行数据输入至优化后的性能分析模型内进行计算，基于计算得到的机组性能劣化程度分析内容获取机组性能劣化处理方案及机组性能劣化程度，基于第二设定条件对机组性能劣化程度进行判断，根据判断结果对机组进行设定程度的预警及处理，完成对机组性能劣化程度的判定及处理。度的判定及处理。度的判定及处理。

【技术实现步骤摘要】
一种基于机器学习的风电机组功率性能分析方法


[0001]本专利技术涉及风力发电机
，具体而言，涉及一种基于机器学习的风电机组功率性能分析方法。

技术介绍

[0002]就目前而言，由于风电机组各系统模块化，通过PROFIBUS/CAN通讯与主控进行数据交互，且数据刷新速度快，形成了数量大、多源、异构和复杂的风电机组实时监测数据。并且，大量的监测数据互相独立，由于无法对这些数据进行把控，进而无法判定风电机组内各个设备的性能劣化程度，导致了风电机组的运维人员无法及时获知机组预警情况，不仅给机组埋下了安全隐患，而且造成了大量的电量损失。基于此，我们设计了一种基于机器学习的风电机组功率性能分析方法及系统，以克服上述问题。

技术实现思路

[0003]本专利技术的目的在于提供一种基于机器学习的风电机组功率性能分析方法，本专利技术的实施例通过以下技术方案实现：
[0004]一种基于机器学习的风电机组功率性能分析方法，该方法的步骤包括：
[0005]获取机组的运行数据，经过数据加工后基于第一设定条件对机组的运行数据进行判断，本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于机器学习的风电机组功率性能分析方法，其特征在于，该方法的步骤包括：获取机组的运行数据，经过数据加工后基于第一设定条件对机组的运行数据进行判断，若机组的运行数据满足第一设定条件，则进入下一步骤；若机组的运行数据不满足第一设定条件，则终止；构建并训练性能分析模型，通过第一优化模块、第二优化模块对性能分析模型进行反馈优化，并将机组的运行数据输入至优化后的性能分析模型内进行计算，得到机组性能劣化程度分析内容；基于机组性能劣化程度分析内容获取机组性能劣化处理方案及机组性能劣化程度，基于第二设定条件对机组性能劣化程度进行判断，根据判断结果对机组进行设定程度的预警及处理，完成对机组性能劣化程度的判定及处理。2.根据权利要求1所述的基于机器学习的风电机组功率性能分析方法，其特征在于，第一设定条件具体为：判断机组是否处于运行状态，判断机组的实时功率数据是否为预期功率数据，判断机组的运行桨角是否为最小桨角。3.根据权利要求1所述的基于机器学习的风电机组功率性能分析方法，其特征在于，性能分析模型由输入层、隐藏层、输出层所组成，其中，隐藏层采用sigmoid函数作为激励函数，输入层、输出层均采用线性函数作为激励函数；sigmoid函数的计算公式为：其中，x为输入数值；性能分析模型的训练过程为：获取机组的运行数据和机组的标准数据，以机组的运行数据作为训练集，以机组的标准数据作为测...

【专利技术属性】
技术研发人员：刘玥，强威威，张克功，郝延，蔡文新，杨立平，陶成强，刘涛，尚晓龙，全心乐，包伶俐，
申请(专利权)人：华能酒泉风电有限责任公司，
类型：发明
国别省市：