【技术实现步骤摘要】
本专利技术属于风电机组风速预测，具体涉及一种基于gra-xgboost的风电机组入流风速估计方法。
技术介绍
1、尾流是风电场研究中最重要的现象之一，尾流的存在削减了下游机组的发电量，增加了机组载荷。为兼顾计算精度和效率，近年来不少人提出了数据驱动的参数修正解析尾流模型，但该类方法得到的尾流模型精度很大程度上依赖于高准确度的输入风速数据，准确获取自由来流风速数据是保证此类模型精度的必要条件。
2、来流风速不易直接测量，风电场通常将机舱风速默认为来流风速，对二者不予区分，目前机组scada系统(supervisory control and data acquisition system)记录的机舱风速数值一般来源于测风仪，通常安装在每台机组机舱的尾部位置，由于受到风轮转动和机舱引起的气流畸变等因素影响，测风仪的测量值不能如实反映来流风速，进而导致采用机舱风速建立的数据驱动尾流模型精度不高。因此，为了准确高效地完成尾流效应评估工作，为了获取机组自由来流准确风速，需要对机组scada系统利用测风仪测得的机舱风速进行修正，使其转化为等效的环境入流风速。
3、机舱风速修正方法主要分为两大类，即理论修正法与函数拟合法。理论修正法一般是基于空气动力学量化风速与机组相关性能参数的关系，计算复杂且实际应用中计算偏差较大。函数拟合法遵循iec标准(61400-12-2:2013)，直接拟合来流风速与机舱风速之间的函数关系，即机舱传递函数(nacelle transfer function，ntf)，实现了大规模应用。但测风
技术实现思路
1、为了弥补现有技术的不足，本专利技术旨在提供一种基于gra-xgboost的风电机组入流风速估计方法，以解决机舱风速修正方法存在计算偏差较大和应用范围受限的问题。为实现该目的，本专利技术的具体技术方案如下：
2、一种基于gra-xgboost的风电机组入流风速估计方法，包括如下步骤：
3、s1.获取装有激光雷达的风电机组的一段时间内scada历史时序数据，并对数据进行去除奇异点，填补缺失值，筛选有效值的预处理操作来提高数据质量；
4、s2.利用风速大小数据作为数据集划分依据，根据风电机组的运行控制策略划分风速区间，进而得到各个不同风速区间下的子数据集；
5、s3.在各个子数据集内，利用gra作为特征分析与选择的工具来降低输入维数，选取灰色关联度高的特征值输入到xgboost模型，以此提升训练模型的准确性，同时避免高维数输入导致模型训练过拟合；
6、s4.在各个子数据集内，利用激光雷达测风数据作为风电机组风轮前真实入流风速的参考值，作为模型的目标向量进行训练并预测，根据设定的预测模型评价指标mse、mae、rmse和r2，调整优化模型参数，得到满足条件的子模型结果；
7、s5.按风速大小拼接各个风速区间内得到的子模型，得到全风速段的gra-xgboost风速估计组合模型。最后在线部署模型，对于同型号风电机组的实时输出的scada时序数据，实施相应的数据预处理操作之后，输入到训练好的风速估计模型中，经过带宽合适的滤波模块后，得到实时有效风速估计值。
8、进一步地，所述步骤s1中获取装有激光雷达的风电机组的一段时间内scada历史时序数据包括时间戳、激光雷达风向和激光雷达风速三个信息数据，10min滑动平均风速、考虑气温和湍流影响的10min风速均值、发电机转速、风电机组有功功率、电网b相电压、发电机前轴承温度、频率范围2的fft变换频率、高速轴刹车齿轮箱侧温度、变压器室温度、液压站油温度、主轴承齿轮箱侧温度、桨距角2、10m桨距角、机舱y方向振动加速度、偏航液压油温度、变频器柜体温度、齿轮箱油压力、频率范围1、变压器顶层油温度、风向平均值、日发电量、机舱振动有效值、超声波风速计湍流强度、a3控制柜温度、机械风速计测得的实时湍流强度、齿轮箱怠速泵压力、10min平均湍流强度、发电机后轴承温度和机舱x方向振动加速度共计28个相关特征数据。
9、进一步地，所述步骤s1中对数据进行去除奇异点，填补缺失值，筛选有效值的预处理操作，其具体流程如下：
10、s11.基于时间戳同步对齐激光雷达测风数据和相关特征数据，再根据scada数据中发电机转速和风电机组有功功率两个信息剔除其中的停机数据和限功率数据；
11、s12.进行缺失值填补，借助missingno模块工具将数据缺失值情况可视化，并且采用基于k近邻方法，以欧几里得距离为判断依据，找到存在缺失情况的特征数据的数据集中k个最近的样本点，使用这些样本点的非空数值均值进行缺失数值的填补；
12、s13.再筛选实际工况下该台风电机组存在障碍物遮挡的风向扇区，基于激光雷达风向信息剔除掉这部分扇区的数据。
13、进一步地，所述步骤s2中风电机组在不同风速下的工作控制模式可以分为以下四个状态：
14、运行状态1：恒速段1，当风速大于切入风速后，风电机组以恒定转速开始运行；
15、运行状态2：变速段，当状态2的转速与当前风速对应的最优转速相等时，风电机组进入变速状态以实现最大风能捕获，此时，桨距角维持在0度，电磁转矩根据最优转矩控制策略对系统进行作用；
16、运行状态3：恒速段2，当最大风能捕获状态的转速与发电机安全运行转速的上限相等时，风电机组再次进行恒转速运行状态；
17、运行状态4：恒功率段，当风速大于额定风速时，风电机组的风轮转速和发电机转速需要维持在其额定值附近；
18、因此，将整个风速区间依据机组控制策略的不同分为四个区间，将数据集中的所有数据按照激光雷达风速数据的大小从低到高排序，以切入风速为起点临界值，切出风速为终点临界值，进而得到各个不同风速区间下的子数据集。
19、进一步地，所述步骤s3中gra在取值[0,1]内表示特定序列或变量相对于参考序列的相对重要性，根据gra特征分析的原理，假设scada数据集中的激光雷达风速序列为x0，表示gra分析的输入序列，即gra分析的本文档来自技高网...
【技术保护点】
1.一种基于GRA-XGBoost的风电机组入流风速估计方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的一种基于GRA-XGBoost的风电机组入流风速估计方法，其特征在于，所述步骤S1中获取装有激光雷达的风电机组的一段时间内SCADA历史时序数据包括时间戳、激光雷达风向和激光雷达风速三个信息数据，10min滑动平均风速、考虑气温和湍流影响的10min风速均值、发电机转速、风电机组有功功率、电网B相电压、发电机前轴承温度、频率范围2的FFT变换频率、高速轴刹车齿轮箱侧温度、变压器室温度、液压站油温度、主轴承齿轮箱侧温度、桨距角2、10m桨距角、机舱Y方向振动加速度、偏航液压油温度、变频器柜体温度、齿轮箱油压力、频率范围1、变压器顶层油温度、风向平均值、日发电量、机舱振动有效值、超声波风速计湍流强度、A3控制柜温度、机械风速计测得的实时湍流强度、齿轮箱怠速泵压力、10min平均湍流强度、发电机后轴承温度和机舱X方向振动加速度共计28个相关特征数据。
3.根据权利要求1所述的一种基于GRA-XGBoost的风电机组入流风速估计方法，其特征在于，所述步
4.根据权利要求1所述的一种基于GRA-XGBoost的风电机组入流风速估计方法，其特征在于，所述步骤S2中风电机组在不同风速下的工作控制模式可以分为以下四个状态：
5.根据权利要求1所述的一种基于GRA-XGBoost的风电机组入流风速估计方法，其特征在于，所述步骤S3中GRA在取值[0,1]内表示特定序列或变量相对于参考序列的相对重要性，根据GRA特征分析的原理，假设SCADA数据集中的激光雷达风速序列为X0，表示GRA分析的输入序列，即GRA分析的目标序列；相关特征值序列为Xi，表示GRA分析的参考序列，则：
6.根据权利要求1所述的一种基于GRA-XGBoost的风电机组入流风速估计方法，其特征在于，所述步骤S4中各个评价指标具体为，MAE表示平均绝对误差，MSE表示均方误差，RMSE表示均方误差，R2表示拟合优度，其公式表达如下：
...【技术特征摘要】
1.一种基于gra-xgboost的风电机组入流风速估计方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的一种基于gra-xgboost的风电机组入流风速估计方法，其特征在于，所述步骤s1中获取装有激光雷达的风电机组的一段时间内scada历史时序数据包括时间戳、激光雷达风向和激光雷达风速三个信息数据，10min滑动平均风速、考虑气温和湍流影响的10min风速均值、发电机转速、风电机组有功功率、电网b相电压、发电机前轴承温度、频率范围2的fft变换频率、高速轴刹车齿轮箱侧温度、变压器室温度、液压站油温度、主轴承齿轮箱侧温度、桨距角2、10m桨距角、机舱y方向振动加速度、偏航液压油温度、变频器柜体温度、齿轮箱油压力、频率范围1、变压器顶层油温度、风向平均值、日发电量、机舱振动有效值、超声波风速计湍流强度、a3控制柜温度、机械风速计测得的实时湍流强度、齿轮箱怠速泵压力、10min平均湍流强度、发电机后轴承温度和机舱x方向振动加速度共计28个相关特征数据。
3.根据权利要求1所述的一种基于gra...
【专利技术属性】
技术研发人员：袁林松，林玮，陈正东，周家豪，沈晓锋，陈杰，杨秦敏，孟文超，李超，
申请(专利权)人：浙江浙能嘉兴海上风力发电有限公司，
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。