【技术实现步骤摘要】
本专利技术涉及电力检测，具体来说，涉及一种基于发电工况的风电机组运行性能检测方法及系统。
技术介绍
1、风力发电作为一种清洁、可再生的能源，因其对环境友好、资源可持续而受到全球广泛关注，在能源结构优化和碳减排目标的实现中占据着重要地位。近年来，随着全球对绿色能源需求的快速增长，风电装机容量持续扩大，风电机组逐渐成为电力系统中不可或缺的组成部分。然而，风电机组的运行性能受多种复杂因素的影响，既包括外部的自然环境变化，也涉及机组内部的机械和电气状态。
2、在运行过程中，风电机组需要适应不断变化的环境条件，如风速的变化、气温的波动、空气湿度的变化，以及雨雪、冰冻等极端天气条件。这些环境因素直接影响机组的发电效率和运行稳定性。例如，风速的急剧变化可能导致叶片的负载波动，而低温环境下的积冰现象则可能增加机械阻力，进一步降低运行性能。此外，自然环境中的沙尘暴、腐蚀性海风等，也可能对机组的关键部件如叶片和轴承造成磨损，缩短设备寿命。
3、不仅如此，机组本身的运行状况也充满挑战。风电机组通常包含复杂的机械结构和电气系统，如齿轮箱、发电机和电力转换设备等。在长期运行过程中，这些部件可能因疲劳、老化或维护不当而出现性能退化。例如，齿轮箱的磨损可能引起传动效率下降，而发电机的散热问题可能导致过热甚至故障。此外，风电机组运行过程中产生的振动和噪声，也可能预示着内部部件的异常或潜在的故障隐患。
4、面对如此复杂的运行环境和多样化的影响因素，传统的风电机组性能检测方法显得力不从心。现有检测方法大多依赖于单一的运行数据分析
5、尤其在高风险工况下，仅依赖运行数据分析可能无法及时捕捉到关键性信息。例如，叶片裂纹或表面积冰等异常现象，尽管可能严重影响发电性能，但却无法通过常规的运行参数检测直接发现。因此，仅依赖单一数据源的分析方法，在面对多模态数据融合和复杂风险环境时显现出明显的局限性，难以满足风电机组高效运行和可靠诊断的需求。由此，亟需一种更加全面、智能和高效的运行性能检测方法，以应对现代风电机组运行中的多样化挑战。
技术实现思路
1、针对相关技术中的问题，本专利技术提出一种基于发电工况的风电机组运行性能检测方法及系统，以克服现有相关技术所存在的上述技术问题。
2、为此，本专利技术采用的具体技术方案如下：
3、根据本专利技术的一个方面，提供了一种基于发电工况的风电机组运行性能检测方法，包括以下步骤：
4、s1、基于历史运行数据及环境数据，预测风电机组当前时刻的风险等级，并根据风险等级动态调整数据采集频率及范围；
5、s2、根据调整后的数据采集频率及范围，获取风电机组的实时运行数据及实时图像数据，并根据实时运行数据对风电机组的当前运行状态进行工况划分；
6、s3、利用图像处理技术对实时图像数据进行特征提取，并将实时运行数据与实时图像特征进行融合，得到实时融合特征；
7、s4、基于工况划分结果，结合动态权重分配策略调整实时融合特征中运行数据和图像特征的权重；
8、s5、利用预先构建的多模态深度学习模型，结合调整后的实时融合特征预测风电机组的实时发电性能指标，基于预测的实时发电性能指标分析风电机组的运行性能。
9、进一步的，所述基于历史运行数据及环境数据，预测风电机组当前时刻的风险等级，并根据风险等级动态调整数据采集频率及范围包括以下步骤：
10、s11、获取风电机组的历史运行数据、环境数据及故障标注数据，并对获取的历史数据进行预处理；基于预处理后的历史数据构建并训练风险预测模型；
11、s12、获取上一时刻风电机组的运行数据及环境数据，并利用训练好的风险预测模型预测风电机组当前时刻的风险等级；根据风电机组当前时刻的风险等级，动态调整数据采集频率及范围。
12、进一步的，所述根据风电机组当前时刻的风险等级，动态调整数据采集频率及范围包括：
13、当风险等级为低风险时，采集方式为低频采集，采集范围包括运行数据中的关键指标及以第一分辨率采集的图像；
14、当风险等级为中风险时，采集方式为中等频率采集，采集范围包括运行数据中的所有指标及以第二分辨率采集的图像；
15、当风险等级为高风险时，采集方式为高频采集，采集范围包括运行数据中的所有指标、以第三分辨率采集的图像及关键部件的热成像图像；
16、其中，第一分辨率、第二分辨率及第三分辨率依次递增。
17、进一步的，所述利用图像处理技术对实时图像数据进行特征提取，并将实时运行数据与实时图像特征进行融合，得到实时融合特征包括以下步骤：
18、s31、对实时采集的图像数据进行清洗和标准化处理，基于图像处理技术从实时图像中提取风电机组运行状态的关键特征，并对实时运行数据进行预处理及关键动态特征提取；
19、s32、对图像特征及运行数据特征进行时间同步及空间匹配处理，并将图像特征和运行数据特征直接拼接，形成实时融合特征向量。
20、进一步的，所述基于工况划分结果，结合动态权重分配策略调整实时融合特征中运行数据和图像特征的权重包括以下步骤：
21、s41、根据工况划分结果确定初始权重分配策略，并根据工况类型预设实时运行数据和实时图像特征的默认权重比例；
22、s42、基于实时运行数据和实时图像特征的变化率、波动性及异常强度，分别计算实时运行数据和实时图像特征的重要性得分；
23、s43、根据实时运行数据和实时图像特征的重要性得分动态修正默认权重，并利用修正后的权重对运行数据特征和图像特征进行融合。
24、进一步的，根据工况类型预设实时运行数据和实时图像特征的默认权重比例包括：
25、当工况类型为低风险工况时，以实时运行参数为主导，且实时运行参数的权重大于实时图像特征的权重；
26、当工况类型为中风险工况时，实时运行参数和实时图像特征同等重要，且实时运行参数的权重等于实时图像特征的权重；
27、当工况类型为高风险工况时，以实时图像特征为主导，且实时运行参数的权重小于实时图像特征的权重。
28、进一步的，实时运行数据的重要性得分的计算公式为：
29、
30、实时图像特征的重要性得分的计算公式为：
31、
32、式中，sr表示实时运行数据的重要性得分，si表示实时图像特征的重要性得分，ωb、ωv、ωa分别表示变化率、波动性、异常强度的权重，rr、vr、ar分别表示实时运行数据的变化率、波动性及异常强度，ri、vi、ai分别表示实时图像特征的变化率、波动性及异常强度，xt、yt分别表示当前时刻的运行数据值和图像特征值，xt-1、本文档来自技高网...
【技术保护点】
1.一种基于发电工况的风电机组运行性能检测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于发电工况的风电机组运行性能检测方法，其特征在于，所述基于历史运行数据及环境数据，预测风电机组当前时刻的风险等级，并根据风险等级动态调整数据采集频率及范围包括以下步骤：
3.根据权利要求2所述的一种基于发电工况的风电机组运行性能检测方法，其特征在于，所述根据风电机组当前时刻的风险等级，动态调整数据采集频率及范围包括：
4.根据权利要求1所述的一种基于发电工况的风电机组运行性能检测方法，其特征在于，所述利用图像处理技术对实时图像数据进行特征提取，并将实时运行数据与实时图像特征进行融合，得到实时融合特征包括以下步骤：
5.根据权利要求1所述的一种基于发电工况的风电机组运行性能检测方法，其特征在于，所述基于工况划分结果，结合动态权重分配策略调整实时融合特征中运行数据和图像特征的权重包括以下步骤：
6.根据权利要求5所述的一种基于发电工况的风电机组运行性能检测方法，其特征在于，根据工况类型预设实时运行数据和实时图像特征的默认
7.根据权利要求5所述的一种基于发电工况的风电机组运行性能检测方法，其特征在于，实时运行数据的重要性得分的计算公式为：
8.根据权利要求7所述的一种基于发电工况的风电机组运行性能检测方法，其特征在于，实时运行数据修正后的权重的计算公式为：
9.根据权利要求1所述的一种基于发电工况的风电机组运行性能检测方法，其特征在于，所述基于预测的实时发电性能指标分析风电机组的运行性能包括以下步骤：
10.一种基于发电工况的风电机组运行性能检测系统，用于实现权利要求1-9中任一所述的基于发电工况的风电机组运行性能检测方法的步骤，其特征在于，包括风险等级分析模块、工况划分模块、特征融合模块、权重分配模块、性能指标预测模块及运行性能分析模块；
...【技术特征摘要】
1.一种基于发电工况的风电机组运行性能检测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于发电工况的风电机组运行性能检测方法，其特征在于，所述基于历史运行数据及环境数据，预测风电机组当前时刻的风险等级，并根据风险等级动态调整数据采集频率及范围包括以下步骤：
3.根据权利要求2所述的一种基于发电工况的风电机组运行性能检测方法，其特征在于，所述根据风电机组当前时刻的风险等级，动态调整数据采集频率及范围包括：
4.根据权利要求1所述的一种基于发电工况的风电机组运行性能检测方法，其特征在于，所述利用图像处理技术对实时图像数据进行特征提取，并将实时运行数据与实时图像特征进行融合，得到实时融合特征包括以下步骤：
5.根据权利要求1所述的一种基于发电工况的风电机组运行性能检测方法，其特征在于，所述基于工况划分结果，结合动态权重分配策略调整实时融合特征中运行数据和图像特征的权重包括以...
【专利技术属性】
技术研发人员：郑钢，李生林，李玉鹏，尹正清，祁圣山，
申请(专利权)人：甘肃华电玉门风力发电有限公司，
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。