本申请公开基于粒子群优化的风速仪故障检测方法和系统，该方法分别获取地理位置相近的至少两个待测风力机在一定时间内的风速数据，按设置相同时长的时间段进行分段提取并进行对比后，获得多组对应于各时间段的局部风速差值；对每个时间段的局部风速差值建立概率分布曲线，同时得出每个时间段对应的形状参数数据和比例参数数据；利用粒子群优化方式在预置的数值范围内任意选取多组故障判定门限的位置和大小参数，并对每一判定门限检验故障判定的对错，对整个粒子群进行遍历迭代，收敛为误差最小的最优判定门限，使用该最优判定门限对所述待测风力机在一定时间内的风速数据进行故障判断。本发明专利技术解决难以准确及时的探测到风力机的风速仪故障的问题。
【技术实现步骤摘要】
【专利摘要】本申请公开基于粒子群优化的风速仪故障检测方法和系统，该方法分别获取地理位置相近的至少两个待测风力机在一定时间内的风速数据，按设置相同时长的时间段进行分段提取并进行对比后，获得多组对应于各时间段的局部风速差值；对每个时间段的局部风速差值建立概率分布曲线，同时得出每个时间段对应的形状参数数据和比例参数数据；利用粒子群优化方式在预置的数值范围内任意选取多组故障判定门限的位置和大小参数，并对每一判定门限检验故障判定的对错，对整个粒子群进行遍历迭代，收敛为误差最小的最优判定门限，使用该最优判定门限对所述待测风力机在一定时间内的风速数据进行故障判断。本专利技术解决难以准确及时的探测到风力机的风速仪故障的问题。【专利说明】基于粒子群优化的风速仪故障检测方法和系统
本申请涉及风力机的风速仪监测领域，更具体地涉及一种基于粒子群优化的风速仪故障检测方法和系统。
技术介绍
PSO (Particle Swarm Optimization,粒子群优化),一种基于种群的随机优化技术，其模仿昆虫、兽群、鸟群和鱼群等的群集行为，这些群体按照一种合作的方式寻找食物，群体中的每个成员通过学习它自身的经验和其他成员的经验来不断改变其搜索模式。现有技术中，风电场都建设在地势开阔且风能资源丰富的地理区域，但自然风是不可控制的，实时都在发生变化，有时风速小于风力发电机组的切入风速，使风力发电难以启动；有时风速又大于风力发电机组可承受的极限风速，对风力发电机组造成破坏。所以，在风力发电机组上都设置有风速仪，以实时监测风速，以便在不同情况下对风机进行启动或停止的控制。风力机的风速仪需要实时对风速进行监测，即风速仪一直处于工作状态，从而，风速仪发生故障的可能性较高。某些时刻，风力资源大于风机的切入风速，风机的主要部件也都正常运行，但风机却发生表现不佳甚至停机的状况，正是由于风速仪出现故障所导致的。风速仪故障引起的错误往往一开始较为细小因而常常被忽视，风速仪出现故障后监测的风速数值会出现错误，导致控制系统依据风速仪的错误数据进行了错误的控制，最终使得风力机表现不佳甚至停机。而风力机一旦停机，再进行维修的成本是非常巨大的，并且风力机停机也会造成发电量的巨大损失。由于风场自然风随机多变的特点，很难判断出某一风速仪监测的数据是否出现错误，即使通过收集风速仪的历史数据也因为不能有效地对数据的规律和状态进行判断，从而不能准确反映出风速仪是否出现故障。综上所述，基于上述风速仪故障判断的不足，便成为亟待解决的技术问题。
技术实现思路
有鉴于此，本申请所要解决的技术问题是提供了一种基于粒子群优化的风速仪故障检测方法和系统，以解决难以准确及时的探测到风力机的风速仪故障的问题。为了解决上述技术问题，本申请公开了一种基于粒子群优化的风速仪故障检测方法，包括:分别获取地理位置相近的至少两个待测风力机在一定时间内的风速数据，将所述风速数据按设置相同时长的时间段进行分段提取并进行对比后，获得多组对应于各时间段的局部风速差值；对每个所述时间段的局部风速差值建立对应的概率分布曲线，同时对应得出每个所述时间段对应的形状参数数据和比例参数数据，并生成由不同时间段所对应的所述形状参数数据、比例参数数据构成的坐标；利用粒子群优化方式在预置的数值范围内任意选取多组故障判定门限的位置和大小参数，每组参数代表一个粒子并生成对应的数据范围作为判定门限，并根据各所述时间段对应的形状参数数据和比例参数数据构成的坐标对每一判定门限检验其故障判定的对错，然后对整个粒子群进行遍历迭代处理，最后所有粒子将收敛为误差最小的最优判定门限，并使用该最优判定门限对所述待测风力机在一定时间内的所述风速数据进行故障判断。其中，进一步地，利用粒子群优化方式在预置的数值范围内任意选取多组故障判定门限的位置和大小参数，每组参数代表一个粒子并生成对应的数据范围作为判定门限，并根据各所述时间段对应的形状参数数据和比例参数数据构成的坐标对每一判定门限检验其故障判定的对错，然后对整个粒子群进行遍历迭代处理，最后所有粒子将收敛为误差最小的最优判定门限，并使用该最优判定门限对所述待测风力机在一定时间内的所述风速数据进行故障判断，进一步为:利用粒子群优化方式在预置的数值范围内任意选取多组故障判定门限的位置和大小参数，假设该判定门限为一圆形，以该位置参数作为圆心坐标，以该大小参数作为半径长度值，每组参数代表一个粒子并生成对应的圆形判定门限，并根据各所述时间段对应的形状参数数据和比例参数数据构成的坐标对每一圆形判定门限检验其故障判定的对错，然后对整个粒子群进行遍历迭代处理，最后所有粒子将收敛为误差最小的最优圆形判定门限，并使用该最优圆形判定门限对所述待测风力机在一定时间内的所述风速数据进行故障判断。其中，进一步地，所述数据范围，进一步由包含全体无故障数据的无故障区和包含全体故障数据的故障区组成。其中，进一步地，所述误差最小的数据范围，进一步为:所述数据范围的无故障区所包含的故障数据和该数据范围的故障区所包含的无故障数据的总数为最小的数据范围。其中，进一步地，所述一定时间，进一步为:周、月和/或不少于7天的时间期限。其中，进一步地，将所述风速数据按设置时间段进行分段提取，进一步为:将所述风速数据按设置的以周、月或者整数天为固定值的时间段进行分段提取。为了解决上述技术问题，本申请还公开了一种基于粒子群优化的风速仪故障检测系统，包括:风速差获取模块、参数处理模块以及门限优化模块；其中，所述风速差获取模块，分别获取地理位置相近的至少两个待测风力机在一定时间内的风速数据，将所述风速数据按设置相同时长的时间段进行分段提取并进行对比后，获得多组对应于各时间段的局部风速差值发送至所述参数处理模块；所述参数处理模块，用于对每个所述时间段的局部风速差值建立对应的概率分布曲线，同时对应得出每个所述时间段对应的形状参数数据和比例参数数据，并生成由不同时间段所对应的所述形状参数数据、比例参数数据构成的坐标发送至所述门限优化模块；所述门限优化模块，用于利用粒子群优化方式在预置的数值范围内任意选取多组故障判定门限的位置和大小参数，每组参数代表一个粒子并生成对应的数据范围作为判定门限，并根据各所述时间段对应的形状参数数据和比例参数数据构成的坐标对每一判定门限检验其故障判定的对错，然后对整个粒子群进行遍历迭代处理，最后所有粒子将收敛为误差最小的最优判定门限，并使用该最优判定门限对所述待测风力机在一定时间内的所述风速数据进行故障判断。其中，进一步地，所述门限优化模块，进一步用于:利用粒子群优化方式在预置的数值范围内任意选取多组故障判定门限的位置和大小参数，假设该判定门限为一圆形，以该位置参数作为圆心坐标，以该大小参数作为半径长度值，每组参数代表一个粒子并生成对应的圆形判定门限，并根据各所述时间段对应的形状参数数据和比例参数数据构成的坐标对每一圆形判定门限检验其故障判定的对错，然后对整个粒子群进行遍历迭代处理，最后所有粒子将收敛为误差最小的最优圆形判定门限，并使用该最优圆形判定门限对所述待测风力机在一定时间内的所述风速数据进行故障判断。其中，进一步地，所述数据范围，进一步为由包含全体无故障数据的无故障区和包含全体故障数据的故障区组成。其中，进一步地，所本文档来自技高网...
【技术保护点】
一种基于粒子群优化的风速仪故障检测方法，其特征在于，包括：分别获取地理位置相近的至少两个待测风力机在一定时间内的风速数据，将所述风速数据按设置相同时长的时间段进行分段提取并进行对比后，获得多组对应于各时间段的局部风速差值；对每个所述时间段的局部风速差值建立对应的概率分布曲线，同时对应得出每个所述时间段对应的形状参数数据和比例参数数据，并生成由不同时间段所对应的所述形状参数数据、比例参数数据构成的坐标；利用粒子群优化方式在预置的数值范围内任意选取多组故障判定门限的位置和大小参数，每组参数代表一个粒子并生成对应的数据范围作为判定门限，并根据各所述时间段对应的形状参数数据和比例参数数据构成的坐标对每一判定门限检验其故障判定的对错，然后对整个粒子群进行遍历迭代处理，最后所有粒子将收敛为误差最小的最优判定门限，并使用该最优判定门限对所述待测风力机在一定时间内的所述风速数据进行故障判断。
【技术特征摘要】
【专利技术属性】
技术研发人员：叶翔，周黎辉，邢红涛，雷蕾，
申请(专利权)人：中国大唐集团科学技术研究院有限公司，
类型：发明
国别省市：北京;11
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。