一种离群风电机组智能判定方法与流程

[0001]
本发明属于离群机组判定技术领域，具体涉及一种离群风电机组智能判定方法。


背景技术：

[0002]
为提高风电机组运维质量和发电量，行业内设立了各项运行指标，如：时间可利用率、发电量可利用率、无故障运行时间、故障修复时间、故障频次等等。
[0003]
指标低于线值的风电机组称之为离群风电机组。目前对离群风电机组的识别主要是凭借经验设立固定线值，通过人工查看机组实际运行的各项指标数据，筛选出低于线值的离群机组，然后针对这些离群风电机组进行重点关注及相关处理。
[0004]
现有离群风电机组判定方法具有如下缺点：
[0005]
1)凭借经验设立的指标线值，缺少科学性，而且都是固定值，没有考虑到风电机组实际的运行情况。风电机组不同时间段其运行的工况不同，因此所设立的指标线值也应该不同。
[0006]
2)通过人工筛选机组不但所用的时间长，而且增加了人工成本。
[0007]
3)由于发电量才是客户的直接需求，而目前离群风电机组的识别方法不能科学的锁定由于风电机组自身原因导致发电量低的机组。


技术实现要素：

[0008]
针对现有技术中存在的问题，本发明的目的在于提供一种离群风电机组智能判定方法，实现各项指标线值设立，自动判别出离群机组，并直接锁定发电量低的机组。
[0009]
为了达到上述目的，本发明采用如下技术方案：
[0010]
一种离群风电机组智能判定方法，包括如下步骤：
[0011]
步骤1：从数据采集与监控系统scada数据库中提取每台风电机组的基本信息、运行状态、风速、发电量、故障频次和故障时间，每种机型不少于60台机组数据；
[0012]
步骤2：指标数据类确定：计算每台风电机组各项指标数据包括时间可利用率、发电量可利用率、无故障运行时间和故障修复时间，将所有风电机组相同指标作为一个数据类；
[0013]
步骤3：发电量数据类确定：剔除限功率时长大于统计时长10％的机组，将同容量、同机型、同风速段的风电机组在同发电时长的发电量作为一个数据类；
[0014]
步骤4：查看步骤2和步骤3中每个数据类的数据量是否大于设定的限定值，当数据量小于等于设定的限定值时，返回步骤1，重新提取足够量的数据，当数据量大于设定的限定值时，分别求取各数据类的上四分位和下四分位；其中，上四分位是数据升序数列的75％位点；下四分位是数据升序数列25％位点；
[0015]
步骤5：计算每个数据类的线值，线值＝下四分位-1.5*(上四分位-下四分位)；
[0016]
步骤6：当风电机组指标或发电量低于其所属数据类的线值时，则判别该风电机组为离群机组，反之则判别正常。
[0017]
所述同风速段的步长取1m/s，同发电时长的步长取24h。
[0018]
和现有技术相比较，本发明具备如下优点：
[0019]
1)科学设立指标线值，自动判别出离群机组，有助于风场人员快速并准确锁定问题机组。
[0020]
2)离群机组自动识别输出，有助于节省人工成本。
附图说明
[0021]
图1为本发明离群风电机组智能判定方法流程图。
具体实施方式
[0022]
下面结合附图和具体实施方式对本发明作进一步详细说明。
[0023]
如图1所示，本发明一种离群风电机组智能判定方法，包括如下步骤：
[0024]
步骤1：从数据采集与监控系统scada数据库中提取每台风电机组的基本信息、运行状态、风速、发电量、故障频次和故障时间，每种机型不少于60台机组数据；
[0025]
步骤2：指标数据类确定：计算每台风电机组各项指标数据包括时间可利用率、发电量可利用率、无故障运行时间和故障修复时间，将所有风电机组相同指标作为一个数据类；
[0026]
步骤3：发电量数据类确定：剔除限功率时长大于统计时长10％的机组，将同容量、同机型、同风速段的风电机组在同发电时长的发电量作为一个数据类；
[0027]
步骤4：查看步骤2和步骤3中每个数据类的数据量是否大于设定的限定值，当数据量小于等于设定的限定值时，返回步骤1，重新提取足够量的数据，当数据量大于设定的限定值时，分别求取各数据类的上四分位和下四分位；其中，上四分位是数据升序数列的75％位点；下四分位是数据升序数列25％位点；
[0028]
步骤5：计算每个数据类的线值，线值＝下四分位-1.5*(上四分位-下四分位)；
[0029]
步骤6：当风电机组指标或发电量低于其所属数据类的线值时，则判别该风电机组为离群机组，反之则判别正常。
[0030]
作为本发明的优选实施方式，所述同风速段的步长取1m/s，同发电时长的步长取24h。