本申请提供了一种用于风速传感器的运行特性的建模方法及装置，属于风力发电技术领域，包括：获取多个风速传感器在预设时间段的原始风速测量数据，并对所述原始风速测量数据进行异常识别和分类，确定所述原始风速测量数据中的突变型异常序列、渐进型异常序列和故障序列，并确定各风速传感器的运行属性标签、测量属性标签、抗扰动属性标签、固有属性标签以及环境属性标签的计算结果，构建综合排序模型，确定各风速传感器的模型标签数值，以及基于所述模型标签数值，确定各风速传感器的候选运行特性评价结果；对各风速传感器进行抗扰动分析、运行特性波动分析、韧性分析以及集群特征建模分析，确定各风速传感器的目标运行特性评价结果。
【技术实现步骤摘要】
本申请属于风力发电，具体地讲，涉及一种用于风速传感器的运行特性的建模方法及装置。
技术介绍
1、风速作为风电机组运行控制的重要参数，直接影响风电机组的运行方式，风电机组控制系统需要输入风速及风向参数的功能主要有：(1)机组根据输入风速信号值自动进行启停、并网或离网操作；(2)风速变化时，机组能够自动进行转速变换和功率控制；(3)风速变化时，机组进行变桨操作。
2、风电机组的输入风速数据主要靠裸露在机舱外部的风速传感器捕获，由于长期运行于复杂恶劣环境中，风速传感器容易出现失准、失稳等缺陷模式，造成风电机组的输入风速数据偏离实际值，引起不必要的停机、变桨等误动作，带来发电量损失和性能下降。据瑞典某风电场某一年的故障统计，传感器故障约占风电场所有故障的25％，位居风机部件故障率前三。风电机组风速传感器缺陷主要集中在轴承部件和线路部件，表现为测量风速小于实际风速或无风速信号输入。风速传感器典型的缺陷模式总体上可分为故障、失准和失稳：
3、(1)传感器故障：传感器重要零部件发生损坏，导致异常状态发生非趋势性突变，故障风速发生突变，且偏离风速的正常范围，之后保持稳定状态，如图1的(a)图所示。例如：风速传感器传动轴承断裂，传感器无输入数据，风速数据缺测；
4、(2)传感器失准：风速传感器的零部件损坏程度呈现渐进式过程，测风数据偏离正常值且偏移量逐步加重，之后保持稳定状态，如图1的(b)图所示。例如：受鸟类撞击影响，风速传感器风杯或转动轴发生变形，造成传感器转动卡滞、不灵活等问题，测量数据持续失准；
5、(3)传感器失稳：风速传感器抗外界环境干扰能力减弱，当外界影响增大，测风数据偏离正常值，当外界影响减弱，测风数据逐步恢复正常。根据外界干扰的特征，失稳状态又分为间歇型失稳如图1的(c)图所示和连续型失稳如图1的(d)图所示，间歇型失稳由于电磁干扰、通信错误等间歇性干扰因素造成，异常数据数量相对较少，数据大范围突变，且分布离散，连续型失稳由于外界持续的因素造成，例如：暴雨、冰雹等恶劣气候，异常数据在时序上连续且数量相对较大，数据变化呈现渐进式。机组持续输入失准的风速序列或无风速序列输入，容易引起误启停、误变桨等动作，影响机组的发电效率和运行稳定性，严重时会使得机组运行紊乱，乃至对电网产生冲击。
6、因此，精准刻画风速传感器的运行特性对于保障风电场运行的可靠性和稳定性尤为关键。
7、现有的研究成果主要集中在传感器故障诊断，服务于机组的实时运行控制。考虑到风电机组风速传感器运行于复杂的环境中，寒潮、沙尘、强降雨等扰动时有发生，传感器容易出现失稳、失准等缺陷模式，在扰动过后设备又可能恢复正常运行，仅从故障诊断的角度对传感器的运行状态进行分析，难以充分提取设备在运行周期内的运行性能(包括测量精度、运行稳定性、寿命衰减度、性能演化趋势等多维度)。实际工程中，风电机组scada系统中装有传感器故障诊断模块，诊断的基本逻辑是设置风速上下阈值，当传感器测量值超出阈值范围内时，系统报警，传感器故障，系统能够准确识别出传感器的故障状态。对于传感器失准和失稳异常状态，测风数据偏离正常风速的误差范围受传感器故障程度的影响，误差风速可能仍在系统诊断的阈值范围内，scada系统可能难以准确识别出传感器失准和失稳异常状态。对于装机容量为兆瓦级的风电场，风电机组传感器数量达到上万个，若逐一的对传感器进行排查和检测需要投入大量的人力、物力和时间，可行性和经济性都需要考量。
8、因此，如何进行风电场风速传感器运行特性建模成为一项重要研究项目，分析设备在运行周期内失稳、失准等缺陷模式及分布特征，对于传感器的适应性分析、韧性分析、全寿命周期管理等意义重大。
技术实现思路
1、针对现有技术中存在的问题，本申请提供一种用于风速传感器的运行特性的建模方法及装置，能够有效描述传感器设备的历史运行特性，可为风电场主动运检和精益化管理提供参考。
2、根据本申请的第一个方面，提供了一种用于风速传感器的运行特性的建模方法，该方法包括：
3、获取多个风速传感器在预设时间段的原始风速测量数据，并对所述原始风速测量数据进行异常识别和分类，确定所述原始风速测量数据中的突变型异常序列、渐进型异常序列和故障序列；
4、根据所述突变型异常序列、渐进性异常序列和故障序列，确定各风速传感器的运行属性标签、测量属性标签、抗扰动属性标签、固有属性标签以及环境属性标签的计算结果，并根据所述计算结果，确定各风速传感器初始运行特性评价结果；
5、将所述固有属性标签以及环境属性作为结果标签，将所述运行属性标签、测量属性标签、抗扰动属性作为原因标签，构建综合排序模型，并基于所述综合排序模型确定各风速传感器的模型标签数值，以及基于所述模型标签数值，确定各风速传感器的候选运行特性评价结果；
6、基于所述候选运行评价结果，对各风速传感器进行抗扰动分析、运行特性波动分析、韧性分析以及集群特征建模分析，分别得到抗扰动分析结果、运行特性波动分析结果、韧性分析结果以及集群特征建模分析结果；
7、根据所述扰动敏感度分析结果、运行特性波动分析结果、韧性分析结果以及集群特征建模分析结果，确定各风速传感器的目标运行特性评价结果。
8、在本实施例的一些可选方式中，确定所述原始风速测量数据中的突变型异常序列的步骤，包括：
9、采用速度约束进行识别，基于如下公式确定风速的变化速度s(vi,vj)
10、
11、
12、其中，vi、vj表示两点的风速数据，srmin指风速数据的变化速度下限，srmax指风速数据的变化速度上限，srmin用于识别死值，srmax用于寻找突变噪声序列；
13、将所述变化速度超出预设约束范围的原始风速测量数据，确定为所述突变型异常序列。
14、在本实施例的一些可选方式中，确定所述原始风速测量数据中渐进型异常序列的步骤，包括：
15、选取待检的原始风速测量数据为目标风速序列，并基于风向区筛选关联种子机组构建互诊群落；
16、确定所述目标风速序列间的空间相依性关系，设置时间窗，并基于预设的关联比对系数阈值，通过滑动关联比对的方式确定所述渐进型异常序列。
17、在本实施例的一些可选方式中，所述确定各风速传感器的运行属性标签、测量属性标签、抗扰动属性标签、固有属性标签以及环境属性标签的计算结果，包括：
18、确定各风速传感器的利用率、失效时间、失效时间间隔、故障率以及缺陷率，得到各风速传感器的所述运行属性标签的计算结果；
19、确定各风速传感器的平均绝对误差、误差率、最大瞬时误差、最大误差率和以及偏离度，得到各风速传感器的所述测量属性标签的计算结果；
20、确定各风速传感器的扰动失稳率、扰动失稳持续时间、最大失稳持续时间、扰动失稳时间间隔、扰动失稳误差方差、扰动变异系数以及抗扰动系数，得到各风速传感器的所述抗扰动属本文档来自技高网
...
【技术保护点】
1.一种用于风速传感器的运行特性的建模方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，确定所述原始风速测量数据中的突变型异常序列的步骤，包括：
3.根据权利要求1所述的方法，其特征在于，确定所述原始风速测量数据中渐进型异常序列的步骤，包括：
4.根据权利要求1所述的方法，其特征在于，所述确定各风速传感器的运行属性标签、测量属性标签、抗扰动属性标签、固有属性标签以及环境属性标签的计算结果，包括：
5.根据权利要求1所述的方法，其特征在于，所述将所述固有属性标签以及环境属性作为结果标签，将所述运行属性标签、测量属性标签、抗扰动属性作为原因标签，构建综合排序模型，包括：
6.根据权利要求1所述的方法，其特征在于，对各风速传感器进行扰动敏感度分析、运行特性波动分析、韧性分析以及集群特征建模分析，分别得到扰动敏感度分析结果、运行特性波动分析结果、韧性分析结果以及集群特征建模分析结果，包括：
7.根据权利要求1所述的方法，其特征在于，基于所述模型标签数值，确定各风速传感器的候选运行特性评价结果，包括：
8.一种用于风速传感器的运行特性的建模装置，其特征在于，包括：
9.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现权利要求1至7任一项所述的一种用于风速传感器的运行特性的建模方法的步骤。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该计算机程序被处理器执行时实现权利要求1至7任一项所述的一种用于风速传感器的运行特性的建模方法的步骤。
...
【技术特征摘要】
1.一种用于风速传感器的运行特性的建模方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，确定所述原始风速测量数据中的突变型异常序列的步骤，包括：
3.根据权利要求1所述的方法，其特征在于，确定所述原始风速测量数据中渐进型异常序列的步骤，包括：
4.根据权利要求1所述的方法，其特征在于，所述确定各风速传感器的运行属性标签、测量属性标签、抗扰动属性标签、固有属性标签以及环境属性标签的计算结果，包括：
5.根据权利要求1所述的方法，其特征在于，所述将所述固有属性标签以及环境属性作为结果标签，将所述运行属性标签、测量属性标签、抗扰动属性作为原因标签，构建综合排序模型，包括：
6.根据权利要求1所述的方法，其特征在于，对各风速传感器进行扰动敏感度分析、运...
【专利技术属性】
技术研发人员：张扬帆，杨伟新，沈小军，吴林林，沈欣宴，梁恺，王玙，刘辉，吴宇辉，徐曼，
申请(专利权)人：国网冀北电力有限公司电力科学研究院，
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。