一种基于风功率实测数据的风电机组健康状态实时评价方法技术

本发明专利技术公开了一种基于风功率实测数据的风电机组健康状态实时评价方法，所述方法基于风电机组SCADA系统中运行数据进行分析，通过周期更新的滑动窗口截取数据集，建立样本集，并完成数据清理和筛选，绘制实际风速—风功率散点图；对风速区间进行等间距划分，并计算各子风速区间内风功率平均值；求得在子区间中点处风速对应的理论风功率；引入风电机组健康评价指标H，对风电机组健康状况进行分级评价；每相隔固定时间，时间窗向前移动，更新样本集，重新计算健康状态评价指标H。本发明专利技术从风电机组本身运行目的出发，提出的评价方法能够反映风电机组的发电性能和风能转化能力，为风电机组的运行维护提供有效帮助。的运行维护提供有效帮助。的运行维护提供有效帮助。

【技术实现步骤摘要】
一种基于风功率实测数据的风电机组健康状态实时评价方法


[0001]本专利技术涉及一种基于风功率实测数据的风电机组健康状态实时评价方法，属于风电

五、
技术介绍

[0002]风能作为一种清洁的可再生能源，在能源短缺和环境污染日趋严峻的情况下日益被世界各国所重视。我国近年来在“碳中和”政策引领下，风力发电业得以健康平稳发展，装机容量屡创新高，累计装机容量稳居世界首位。由于风电机组运行环境比较恶劣，且机组安装位置特殊，使得风电机组的维护成本很高，一旦损坏对电网的影响较大，所以对风电机组的可靠性提出很高要求。对风电机组进行实时健康监测有利于合理调整运行策略，降低维护成本。
[0003]目前对风电机组进行健康监测，多采用振动信号、电流信号、温度等多源数据进行综合分析，对风电机组关键部件健康状况进行评估。例如中国专利CN113417810公开了一种风电机组传动链健康度监测评价方法和装置，对风电机组传动链进行实时监测；中国专利CN 114254904公开了一种风电机组机舱运行健康度评价方法及装置。中国专利CN113420509公开了一种风电机组状态评价方法、装置及存储介质，其不足之处在于难以保证对风电机组的健康状态监测的实时性。
[0004]经过对现有技术的检索发现，当前市场上缺乏对风电机组发电性能进行综合评价的研究，通过对实时获取到的风功率数据分析，监测其发电性能，从而对健康状态作出评价，提前预警机组故障，该研究可为风电场的运营提供可靠保障，更好地配合电网调度，市场发展空间大。
六、
技术实现思路
<br/>[0005]本专利技术的目的在于，提供一种基于风功率实测数据的风电机组健康状态实时评价方法，所引入的风电机组健康评价指标H能够反映其实际运行效率，为风电场的运行维护提供数据支持。
[0006]为解决上述技术问题，本专利技术采用如下的技术方案：基于风功率实测数据的风电机组健康状态实时评价方法，包括以下步骤：
[0007]S1，通过一个固定时间窗口对风电机组数据采集与监视控制(SCADA)系统中的运行数据集进行滑动截取，主要包括风速及其对应的风功率两个参数，获得实时数据流；
[0008]S2，对截取到的数据流进行预处理，并绘制实际风速
‑
风功率散点图；
[0009]S3，确定子风速区间长度，对风电机组运行的有效风速区间进行等间距划分，并计算各子区间内实测风功率平均值；
[0010]S4，求得在各子风速区间中点处对应的理论风功率；
[0011]S5，引入风电机组健康状态评价指标H表示风电机组退化率，依据风电机组健康状态评价指标H对其健康状态做出判断，提交评价结果；
[0012]S6，每相隔固定时间，时间窗向前移动，数据流更新，重复步骤S2～S6；
[0013]优选的，步骤S1的具体实现方式为：获取风电机组SCADA系统中关于风速及其对应风功率的数据流，记为P＝{(v1,p1,t1),(v2,p2,t2),(v3,p3,t3),
……
,(v
i
,p
i
,t
i
),
……
}，其中，(v
i
,p
i
,t
i
)表示t
i
时刻采集到的数据点，该点对应风速为v
i
，风功率为p
i
。通过时间窗口对数据流P进行截取，滑动窗口的表达式如下：
[0014]P[t
‑
T:t]＝{(v
t
‑
T
,p
t
‑
T
,t
t
‑
T
),(v
t
‑
T+1
,p
t
‑
T+1
,t
t
‑
T+1
),
……
,(v
t
,p
t
,t
t
)}
[0015]其中，P[t
‑
T:t]表示数据流P的从t
‑
T时刻到t时刻的子序列，即为风速
‑
风功率样本集，对应的采集时长为T(T&gt;14天)。
[0016]优选的，步骤S2的具体实现方法为：清洗异常数据和无效数据，去掉重复数据，所述异常数据和无效数据主要包括：
①
标准风速区间以外的数据；
②
风电机组停机、故障或人工对其进行维护时采集的数据；
③
由传感器故障引起的测量误差数据等；
④
风机限负荷运行数据；
⑤
风力发电机组尾流效应较严重时采集的数据。采用粗大误差理论中的拉伊达准则判别并剔除异常数据。
[0017]经过数据预处理后的风速v—风功率p样本集为P'＝{[v1',p1']，[v2',p2']，[v3',p3']，
……
，[v
m
',p
m
']}，其中，[v'
i
,p'
i
]表示第i个有效采集样本；共m个有效采集点。
[0018]以风速v为横坐标，风功率p为纵坐标绘制实际风速—功率散点图。
[0019]本专利技术通过对数据集进行清洗，剔除异常数据，所保留的样本集能够真实有效反映风机运行状态，为后续风电机组健康状态评价提供数据支持，提高评价方法的准确率。
[0020]优选的，步骤S3的具体实现方法为：
[0021]风电机组运行的有效风速区间为[a,b]，以区间长度lm/s将有效风速区间划分为r个子区间，计算各子区间内有效采集点的风功率平均值，其计算公式如下：
[0022][0023]其中，W
i
为第i个子区间的实际风功率，共有r个值；N
i
为落入第i个子区间内有效采集点的个数；p
i,j
表示第i个子区间内第j个有效点的实际风功率值。
[0024]优选的，步骤S4的具体实现方法为：
[0025]将风机在出厂验收时生产商提供的标准风电功率曲线作为理论风功率曲线，求得各风速区间中点处风速所对应的理论风功率值，第i个理论风功率值记为L
i
共r个值。
[0026]优选的，步骤S5的具体实现方法为：
[0027]风电机组健康评价指标的计算公式为：
[0028][0029]将风电机组健康状态划分为五个等级：健康、良好、注意、警告、故障，分别对应的指标H的值为：[100～90)，[90～80)，[80～60)，[60～0]。
[0030]优选的，步骤S6的具体实现方法为：
[0031]经过第k个时间间隔Δt后(Δt&lt;T)，用滑动窗口对SCADA系统中实时数据流P进行截取，建立新的样本集。滑动窗口的表达式为：
[0032]P[t+k
本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于风功率实测数据的风电机组健康状态实时评价方法，其特征在于，包括以下步骤：S1，通过一个周期更新的滑动窗口对风电机组数据采集与监视控制(SCADA)系统中的实时数据流进行截取，主要包括时间、风速及以及风功率三个参数，获得运行数据集；S2，对截取到的数据集进行预处理，并绘制实际风速
‑
风功率散点图；S3，确定子风速区间长度，对风电机组运行的有效风速区间进行等间距划分，并计算各子区间内实测风功率平均值；S4，求得在各风速区间中点处对应的理论风功率；S5，引入风电机组健康状态评价指标H，表示风电机组退化率，依据风电机组健康状态评价指标H对其健康状态做出判断，提交判断结果；S6，每相隔固定时间，窗口向前移动，数据集更新，重复步骤S2～S6。2.根据权利要求1所述的一种风电机组健康状态实时评价方法，步骤S1的具体实现方法为：获取风电机组SCADA系统中实时数据流，记为P＝{(v1,p1,t1),(v2,p2,t2),(v3,p3,t3),
……
,(v
i
,p
i
,t
i
),
……
}，其中，(v
i
,p
i
,t
i
)表示t
i
时刻采集到的数据点，该点对应风速为v
i
，风功率为p
i
。通过滑动窗口对实时数据流P进行截取，获得运行数据集，滑动窗口的表达式如下：P[t
‑
T:t]＝{(v
t
‑
T
,p
t
‑
T
,t
t
‑
T
),(v
t
‑
T+1
,p
t
‑
T+1
,t
t
‑
T+1
),
……
,(v
t
,p
t
,t
t
)}其中，P[t
‑
T:t]表示数据流P的从t
‑
T时刻到t时刻的子序列，即为风速
‑
风功率样本集，对应的采集时长为T(T&gt;14天)。3.根据权利要求1所述的一种基于风功率实测数据的风电机组健康状态实时评价方法，步骤S2的具体实现方法为：清洗异常数据和无效数据，去掉重复数据，所述异常数据和无效数据主要包括：
①
标准风速区间以外的数据；
②
风电机组停机、故障或人工对其进行维护时采集的数据；
③
由传感器故障引起的测量误差数据等；
④
风机限负荷运行数据；
⑤
风力发电机组尾流效应较严重时采集的数据。采用粗大误差理论中的拉伊达准则判别并剔除异常数据。经过数据预处理后的风速v—风功率p样本集为P'＝{[v1',p1']，[v2',p2']，[v3',p3']，<...

【专利技术属性】
技术研发人员：卢新君，武佳妮，贾成鹏，董红星，卞海兵，豆书贤，上官高峰，从飞云，
申请(专利权)人：华电郑州机械设计研究院有限公司浙江大学，
类型：发明
国别省市：