一种基于最小二乘法的风电机组风速仪故障识别方法及系统技术方案

本发明专利技术公开了一种基于最小二乘法的风电机组风速仪故障识别方法及系统，属于风力发电领域。对风电机组运行数据进行拟合，具有实时在线、快速准确的优点，大大缩短了风机风速仪偏差量化评估、风电机组风向仪故障识别报警的周期。通过获取叶轮转速

【技术实现步骤摘要】
一种基于最小二乘法的风电机组风速仪故障识别方法及系统


[0001]本专利技术属于风力发电
，涉及一种基于最小二乘法的风电机组风速仪故障识别方法及系统。

技术介绍

[0002]风速仪作为风电机组的测风装置，一般布置在机舱尾部，风速仪测量的风速数据是风机到达切入风速起机发电与达到切出风速停机切除的重要依据，风速仪测量风速数据对风电机组运行控制起着重要作用。
[0003]然而由于环境因素的影响，风力发电机常年经受风霜雨雪的侵蚀，风速仪存在腐蚀松动、卡涩变形等引起的测量偏差故障。风速仪测量风速异常偏高不仅会导致风机实际切出风速偏低，造成发电量损失，而且也会影响到功率曲线的考核与评价。风速仪测量风速异常偏低一方面导致风机的实际切出风速偏大，风机在高风速下运行严重影响其安全和使用寿命，另一方面会导致风机的实际切入风速偏大，造成了发电量损失。因此，准确可靠的风电机组风速仪故障识别方法对于提升风机发电量，确保风电机组安全稳定运行，降低风场的运维成本具有重大意义。

技术实现思路

[0004]本专利技术的目的在于解决现有技术中风力发电机常年经受风霜雨雪的侵蚀，风速仪存在腐蚀松动、卡涩变形等引起的测量偏差故障的问题，提供一种基于最小二乘法的风电机组风速仪故障识别方法及系统。
[0005]为达到上述目的，本专利技术采用以下技术方案予以实现：
[0006]本专利技术提出的一种基于最小二乘法的风电机组风速仪故障识别方法，包括如下步骤：
[0007]对预处理后的风电机组运行数据进行拟合，获取叶轮转速
‑
风速拟合曲线；
[0008]根据叶轮转速
‑
风速拟合曲线获取叶轮转速
‑
风速曲线斜率偏差相对值；
[0009]根据叶轮转速
‑
风速曲线斜率偏差相对值确定故障等级，实现风速仪故障识别。
[0010]优选地，对风电机组运行数据预处理包括数据剔除和数据筛选。
[0011]优选地，采用3σ准则法剔除数据的方法如下：
[0012]P(|x
‑
μ|＞3σ)≤0.003
[0013]其中，μ表示正态总体的数学期望，σ表示正态总体的标准差，x是风机运行数据。
[0014]优选地，采用滑动窗口法进行数据筛选，筛选步骤如下：
[0015]将数据序列划分为有限个数据窗口，若滑动窗口的稳态判定指标小于对应阈值，则认为该窗口内的数据序列均为稳态工况，否则为非稳态工况；
[0016]判断结束后直接跳入下一窗口进行判断，直至全部数据窗口判断结束；
[0017][0018]其中，δ
x
为稳态判定指标，X
max
为滑动窗口内变量的最大值，X
min
为滑动窗口内变量的最小值，X
a
为滑动窗口内变量的平均值，δ
x0
为稳态判定阈值。
[0019]优选地，采用最小二乘法获取风机的叶轮转速
‑
风速拟合曲线斜率和叶轮转速
‑
风速拟合曲线截距；再对全风场所有风机的叶轮转速
‑
风速拟合曲线斜率和叶轮转速
‑
风速拟合曲线截距分别求平均值得到集群机组的叶轮转速
‑
风速曲线的斜率和截距计算公式如下：
[0020][0021][0022]其中，为第i台风机的叶轮转速
‑
风速拟合曲线斜率；为第i台风机的叶轮转速
‑
风速拟合曲线截距；x
ij
为第i台风机的叶轮转速；y
ij
为第i台风机的风速；n
i
为第i台风机的数据样本数量；k
i
为第i台风机的叶轮转速
‑
风速拟合曲线斜率；b
i
为第i台风机的叶轮转速
‑
风速拟合曲线截距；为第i台风机的风速的平均值；为第i台风机的叶轮转速的平均值；
[0023][0024][0025]其中，为风机集群机组的叶轮转速
‑
风速拟合曲线的斜率，为风机集群机组的叶轮转速
‑
风速拟合曲线的截距。
[0026]优选地，叶轮转速
‑
风速拟合曲线斜率相对偏差值δ
i
的获取方法如下：
[0027][0028]其中，为风机的叶轮转速
‑
风速拟合曲线斜率，为风机集群机组的叶轮转速
‑
风速拟合曲线的斜率。
[0029]优选地，故障等级如下：
[0030]当叶轮转速
‑
风速拟合曲线斜率相对偏差值δ
i
满足10％≤δ
i
＜20％时，为三级预警；当叶轮转速
‑
风速拟合曲线斜率相对偏差值δ
i
满足20％≤δ
i
＜30％时，为二级预警；当叶轮转速
‑
风速拟合曲线斜率相对偏差值δ
i
满足δ
i
≥30％时，为一级预警。
[0031]本专利技术提出的一种基于最小二乘法的风电机组风速仪故障识别系统，包括：
[0032]拟合曲线获取模块，所述拟合曲线获取模块用于对预处理后的风电机组运行数据进行拟合，获取叶轮转速
‑
风速拟合曲线；
[0033]拟合曲线处理模块，所述拟合曲线处理模块用于根据叶轮转速
‑
风速拟合曲线获取叶轮转速
‑
风速曲线斜率偏差相对值；
[0034]故障等级判定模块，所述故障等级判定模块用于根据叶轮转速
‑
风速曲线斜率偏
差相对值确定故障等级，实现风速仪故障识别。
[0035]一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行计算机程序时实现基于最小二乘法的风电机组风速仪故障识别方法的步骤。
[0036]一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现基于最小二乘法的风电机组风速仪故障识别方法的步骤。
[0037]与现有技术相比，本专利技术具有以下有益效果：
[0038]本专利技术提出的一种基于最小二乘法的风电机组风速仪故障识别方法，对风电机组运行数据进行拟合，具有实时在线、快速准确的优点，大大缩短了风机风速仪偏差量化评估、风电机组风向仪故障识别报警的周期。通过获取叶轮转速
‑
风速拟合曲线来计算叶轮转速
‑
风速曲线斜率偏差相对值，在已知叶轮转速
‑
风速曲线斜率偏差相对值的基础上再进行故障等级，该方法在不增加额外传感器的基础上实现了风速仪偏差量化评估、风电机组风向仪故障识别报警，具有实时在线、快速准确的优点，实现了对风场中风速仪故障严重程度的量化评估与预警，便于精准指导运维人员及时进行风机的排查与维修，有效本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于最小二乘法的风电机组风速仪故障识别方法，其特征在于，包括如下步骤：对预处理后的风电机组运行数据进行拟合，获取叶轮转速
‑
风速拟合曲线；根据叶轮转速
‑
风速拟合曲线获取叶轮转速
‑
风速曲线斜率偏差相对值；根据叶轮转速
‑
风速曲线斜率偏差相对值确定故障等级，实现风速仪故障识别。2.根据权利要求1所述的基于最小二乘法的风电机组风速仪故障识别方法，其特征在于，对风电机组运行数据预处理包括数据剔除和数据筛选。3.根据权利要求2所述的基于最小二乘法的风电机组风速仪故障识别方法，其特征在于，采用3σ准则法剔除数据的方法如下：P(|x
‑
μ|>3σ)≤0.003其中，μ表示正态总体的数学期望，σ表示正态总体的标准差，x是风机运行数据。4.根据权利要求2所述的基于最小二乘法的风电机组风速仪故障识别方法，其特征在于，采用滑动窗口法进行数据筛选，筛选步骤如下：将数据序列划分为有限个数据窗口，若滑动窗口的稳态判定指标小于对应阈值，则认为该窗口内的数据序列均为稳态工况，否则为非稳态工况；判断结束后直接跳入下一窗口进行判断，直至全部数据窗口判断结束；其中，δ
x
为稳态判定指标，X
max
为滑动窗口内变量的最大值，X
min
为滑动窗口内变量的最小值，X
a
为滑动窗口内变量的平均值，δ
x0
为稳态判定阈值。5.根据权利要求1所述的基于最小二乘法的风电机组风速仪故障识别方法，其特征在于，采用最小二乘法获取风机的叶轮转速
‑
风速拟合曲线斜率和叶轮转速
‑
风速拟合曲线截距；再对全风场所有风机的叶轮转速
‑
风速拟合曲线斜率和叶轮转速
‑
风速拟合曲线截距分别求平均值得到集群机组的叶轮转速
‑
风速曲线的斜率和截距计算公式如下：计算公式如下：其中，为第i台风机的叶轮转速
‑
风速拟合曲线斜率；为第i台风机的叶轮转速
‑
风速拟合曲线截距；x
ij
为第i台风机的叶轮转速；y
ij
为第i台风机的风速；n
i
为第i台风机的数据样本数量；k
i
为第i台风机的叶轮转速

【专利技术属性】
技术研发人员：安留明，沙德生，刘兴伟，李德永，周利鹏，石永利，宋佳琛，刘俊，
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：