一种基于风功率实测数据的风电机组健康状态实时评价方法与流程

本发明涉及一种基于风功率实测数据的风电机组健康状态实时评价方法，属于风电。五、
背景技术：
风能作为一种清洁的可再生能源，在能源短缺和环境污染日趋严峻的情况下日益被世界各国所重视。我国近年来在“碳中和”政策引领下，风力发电业得以健康平稳发展，装机容量屡创新高，累计装机容量稳居世界首位。由于风电机组运行环境比较恶劣，且机组安装位置特殊，使得风电机组的维护成本很高，一旦损坏对电网的影响较大，所以对风电机组的可靠性提出很高要求。对风电机组进行实时健康监测有利于合理调整运行策略，降低维护成本。目前对风电机组进行健康监测，多采用振动信号、电流信号、温度等多源数据进行综合分析，对风电机组关键部件健康状况进行评估。例如中国专利cn113417810公开了一种风电机组传动链健康度监测评价方法和装置，对风电机组传动链进行实时监测；中国专利cn 114254904公开了一种风电机组机舱运行健康度评价方法及装置。中国专利cn113420509公开了一种风电机组状态评价方法、装置及存储介质，其不足之处在于难以保证对风电机组的健康状态监测的实时性。经过对现有技术的检索发现，当前市场上缺乏对风电机组发电性能进行综合评价的研究，通过对实时获取到的风功率数据分析，监测其发电性能，从而对健康状态作出评价，提前预警机组故障，该研究可为风电场的运营提供可靠保障，更好地配合电网调度，市场发展空间大。六、
技术实现要素：
本发明的目的在于，提供一种基于风功率实测数据的风电机组健康状态实时评价方法，所引入的风电机组健康评价指标h能够反映其实际运行效率，为风电场的运行维护提供数据支持。为解决上述技术问题，本发明采用如下的技术方案：基于风功率实测数据的风电机组健康状态实时评价方法，包括以下步骤：s1，通过一个固定时间窗口对风电机组数据采集与监视控制(scada)系统中的运行数据集进行滑动截取，主要包括风速及其对应的风功率两个参数，获得实时数据流；s2，对截取到的数据流进行预处理，并绘制实际风速-风功率散点图；s3，确定子风速区间长度，对风电机组运行的有效风速区间进行等间距划分，并计算各子区间内实测风功率平均值；s4，求得在各子风速区间中点处对应的理论风功率；s5，引入风电机组健康状态评价指标h表示风电机组退化率，依据风电机组健康状态评价指标h对其健康状态做出判断，提交评价结果；s6，每相隔固定时间，时间窗向前移动，数据流更新，重复步骤s2～s6；优选的，步骤s1的具体实现方式为：获取风电机组scada系统中关于风速及其对应风功率的数据流，记为p＝{(v1,p1,t1),(v2,p2,t2),(v3,p3,t3),……,(vi,pi,ti),……}，其中，(vi,pi,ti)表示ti时刻采集到的数据点，该点对应风速为vi，风功率为pi。通过时间窗口对数据流p进行截取，滑动窗口的表达式如下：p[t-t:t]＝{(vt-t,pt-t,tt-t),(vt-t+1,pt-t+1,tt-t+1),……,(vt,pt,tt)}其中，p[t-t:t]表示数据流p的从t-t时刻到t时刻的子序列，即为风速-风功率样本集，对应的采集时长为t(t>14天)。优选的，步骤s2的具体实现方法为：清洗异常数据和无效数据，去掉重复数据，所述异常数据和无效数据主要包括：①标准风速区间以外的数据；②风电机组停机、故障或人工对其进行维护时采集的数据；③由传感器故障引起的测量误差数据等；④风机限负荷运行数据；⑤风力发电机组尾流效应较严重时采集的数据。采用粗大误差理论中的拉伊达准则判别并剔除异常数据。经过数据预处理后的风速v—风功率p样本集为p'＝{[v1',p1']，[v2',p2']，[v3',p3']，……，[vm',pm']}，其中，[v'i,p'i]表示第i个有效采集样本；共m个有效采集点。以风速v为横坐标，风功率p为纵坐标绘制实际风速—功率散点图。本发明通过对数据集进行清洗，剔除异常数据，所保留的样本集能够真实有效反映风机运行状态，为后续风电机组健康状态评价提供数据支持，提高评价方法的准确率。优选的，步骤s3的具体实现方法为：风电机组运行的有效风速区间为[a,b]，以区间长度lm/s将有效风速区间划分为r个子区间，计算各子区间内有效采集点的风功率平均值，其计算公式如下：其中，wi为第i个子区间的实际风功率，共有r个值；ni为落入第i个子区间内有效采集点的个数；pi,j表示第i个子区间内第j个有效点的实际风功率值。优选的，步骤s4的具体实现方法为：将风机在出厂验收时生产商提供的标准风电功率曲线作为理论风功率曲线，求得各风速区间中点处风速所对应的理论风功率值，第i个理论风功率值记为li共r个值。优选的，步骤s5的具体实现方法为：风电机组健康评价指标的计算公式为：将风电机组健康状态划分为五个等级：健康、良好、注意、警告、故障，分别对应的指标h的值为：[100～90)，[90～80)，[80～60)，[60～0]。优选的，步骤s6的具体实现方法为：经过第k个时间间隔δt后(δt<t)，用滑动窗口对scada系统中实时数据流p进行截取，建立新的样本集。滑动窗口的表达式为：p[t+k△t-t:t+k△t]＝{(vt+k△t-t,pt+k△t-t,tt+k△t-t),(vt+k△t-t+1,pt+k△t-t+1,tt+k△t-t+1),……,(vt+k△t,pt+k△t,tt+k△t)}其中，p[t+△t-t:t+△t]表示与p[t-t:t]间隔时间δt的滑动窗口；k的初始值为0，每经过一次循环，k＝k+1。本发明具有如下的有益效果：通过在线获取scada系统实时数据，与离线理论功率与曲线结合，对数据进行深入挖掘，强大的数据分析为研究评价方法提供了有力的保障，并引入风电机组健康状态评价指标，能帮助机组运营人员及时发现故障，合理分配风功率，提升风机组整体性能，保证风电场更加稳定可靠运行。七、附图说明图1本发明提出的风电机组健康状态评价方法步骤图图2数据预处理流程图八、具体实施方式以下结合附图对本发明作出进一步的说明。本发明提供的一种基于风功率实测数据的风电机组健康状态实时评价方法，其实施步骤如图1所示。该方法基于风电机组scada系统中实时获取的风速及其对应的风功率数据进行分析。首先，通过测量设备获取风场中的实时风速和风功率，并上传至scada系统并存储；通过周期更新的滑动窗口截取数据流，建立样本集，经过预处理后，获得有效样本集；对有效样本集进行分析，并计算风电机组健康评价指标h，对其进行分级评价，实现早期故障预警，并依据实时评价结果动态调整风场调度策略。该方法的具体实现过程如下：步骤一：在被测风力发电机组附近安装测风设备，确定驱动风电机组的实时风速；采用功率测量装置(如：功率变送器)测量风电机组的净电功率，将测量结果通过现场光纤网络，采用opc技术上传至scada系统并存储。其中，scada系统主要包括数据采集模块、网络构建模块、集中监控模块等。步骤二：获取风电机组scada系统中关于风速及风功率的实时数据流，通过滑动窗口进行截取，获得运行数据集。scada系统采集的风速和风功率为10min数据，能够保证风电组状态评估的准确性。因此，数据流的流速为144个点每天。设置滑动窗口长度为t1天，(根据国际电工委员会(iec)颁布的iec61400标准，风功率曲线的建立应基于14天以上的运行数据，因此，t1应大于14天)。步骤三：对截取到的数据流进行预处理，清洗异常数据和无效数据，去掉重复数据，所述异常数据和无效数据主要包括：①标准风速区间以外的数据；②风电机组停机、故障或人工对其进行维护时采集的数据；③由传感器故障引起的测量误差数据等；④风机限负荷运行数据；⑤风力发电机组尾流效应较严重时采集的数据。采用粗大误差理论中的拉伊达准则判别并剔除异常数据，如图2所示，具体步骤如下：将子风速区间长度设为△v＝0.1m/s，计算小区间内的实际风功率标准差，剔除落在±3σ以外的采样点。计算数据清洗率，当数据清洗率小于0.5％时，结束数据预处理，否则，重复清洗过程，直至满足要求。经过数据预处理后的风速v—风功率p样本集为p'＝{[v1',p1']，[v2',p2']，[v3',p3']，……，[vm',pm']}，其中，[v'i,p'i]表示第i个有效采集样本；共m个有效采集点。以风速v为横坐标，风功率p为纵坐标绘制实际风速—功率散点图。步骤四：假定风电机组运行的有效风速区间为[a,b]，风机的切入风速为a m/s，切出风速为b m/s。确定子风速区间长度，以长度l m/s将有效风速区间划分为r个子区间，计算各子区间内有效采集点的风功率平均值，其计算公式如下：其中，wi为第i个子区间的实际风功率平均值，共有r个值；ni为落入第i个子区间内有效采集点的个数；pi,j表示第i个子区间内第j个有效点的实际风功率值。步骤五：将风机在出厂验收时生产商提供的标准风电功率曲线作为理论风功率曲线，求得各风速区间中点处风速所对应的理论风功率值，第i个子区间中点处的风速记为di，其对应的理论风功率记为li，共r个值。步骤六：引入风电机组健康状态评价指标h表示风电机组退化率，计算公式为：式中wi为第i个子区间的实际风功率平均值，li为第i个子区间中点处风速所对应的理论风功率；r为子区间个数。将风电机组健康状态划分为五个等级：健康、良好、注意、警告、故障。依据风电机组健康状态评价指标h对其健康状态做出判断，分别对应的指标h的值为：[1～x1)，[x1～x2)，[x2～x3)，[x3～x4)，[x4～0]，提交评价结果，监控中心依据机组的健康状况调整运营策略，保证电网安全稳定运行。风电机组健康状态和指标的具体对应关系见表1：表1风电机组健康状态和指标对应关系步骤七：经过时间间隔δt后(t2<t1)，用同样的时间窗口对scada系统中数据流截取，建立新的样本集，重复步骤三～步骤七。本发明所提出的风电机组健康状态评价方法，具有良好的普适性，通过对风电机组运行数据的深度挖掘，进行有效快速分析，判断机组运营状态，能够帮助风场运营人员及时掌握机组的健康状态，在机组发生更严重的故障前及时进行维护，调整运营策略，降低维修成本。以上所述仅是本发明的优选实施方式，并不用于限制本发明，应当指出，对于本的普通技术人员来说，在不脱离本发明技术原理的前提下，还可以做出若干改进和变型，这些改进和变型也应视为本发明的保护范围。

背景技术

技术实现思路