一种风力发电机组健康状态评估方法及系统

本发明属于发电机状态监测评估领域，具体涉及一种风力发电机组健康状态评估方法及系统。

背景技术：

1、当前风能作为清洁能源在改善中国能源结构方面发挥着越来越重要的作用，但随之而来的风电场安全性和经济效益问题也逐渐引起关注。风力发电机组作为分布式的复杂机电系统的典型，具有物理分散、逻辑一体、多主体、多模态的典型特性，其服役健康状态受区域内离散单元装备健康状态、个性运行工况、差异化生产调度和主观运维决策等多元强耦合不确定因素综合影响，在时间和空间上呈现复杂的耦合和聚合特性。scada(supervisory control and data acquisition，数据采集与监视控制系统)是以计算机为基础的dcs与电力自动化监控系统，它应用领域很广，可以应用于电力、冶金、石油、化工、燃气、铁路等领域的数据采集与监视控制以及过程控制等诸多领域。它作为能量管理系统(ems系统)的一个最主要的子系统，有着信息完整、提高效率、正确掌握系统运行状态、加快决策、能帮助快速诊断出系统故障状态等优势，现已经成为电力调度不可缺少的工具。它对提高电网运行的可靠性、安全性与经济效益，减轻调度负担，实现电力调度自动化与现代化，提高调度的效率和水平方面有着不可替代的作用。

2、风力发电机组普遍使用的scada系统的报警机制对于机组安全平稳运行具有重要作用，但是目前scada报警机制很大程度依赖于具体监测变量的经验判断，且报警往往具有滞后性和片面性，对异常的预警能力较弱。同时，目前风力发电机组监测系统分析多为定性分析，仅能判断正常与异常，进而只有一刀切的单一报警，而不能提供系统监测变量的劣化过程和趋势，无法对不同异常引起的报警进行等级划分，难以在异常真正发生的时刻乃至之前及时地发出报警，需要能够将从监测变量到整机的健康状态进行准确量化分析的方法和系统。

技术实现思路

1、本发明的目的在于提供一种风力发电机组健康状态评估方法及系统，以克服传统风机健康状态分析和预警方法的不足，在scada告警之前，对风力发电机组进行准确分析，实现监测变量和整机的健康状态预警。

2、一种风力发电机组健康状态评估方法，包括以下步骤：

3、s1，将获取的风力发电机组的监测数据按照标签量、分析变量和工况变量进行划分，计算分析变量和工况变量之间的相关性，根据分析变量和工况变量之间的相关性获取分析变量对应的工况变量集合；

4、s2，将根据获取的风力发电机组的监测数据的工况变量，采用箱线图的方法将工况变量数值划分为多个区间，作为机组运行状态不同工况的判断依据；

5、s3，根据步骤s2划分的多个区间得到不同工况组合，筛选每一个分析变量对应工况组合下的监测数据，确定变量阈值中心，即可获得每一时刻分析变量的健康等级，进一步获得整机不同时刻的健康等级和整机每一天的健康等级。

6、优选的，采用copula非线性分析方法，计算每个分析变量与每个工况变量之间的非线性相关性，构建分析变量与工况变量间的相关系数矩阵，根据强相关性判定设定阈值，辨识与每一个分析变量最相关的工况变量集合。

7、优选的，采用箱线图的方法，计算工况变量监测数据的各个箱线图特征值，把每一组数据由小到大排列，找到将该组数据四等分的数，将第一四分位数、中位数、第三四分位数作为区间划分的端点，对工况变量数值区间进行初始划分。

8、优选的，设一个分析变量在某一组合工况下的数据为x1,x2,…,xn，其中n为数据长度，则

9、

10、

11、其中c为该时刻所在组合工况下的中心值，m为该时刻所在组合工况下的标准差。

12、优选的，收集需要分析的时刻的分析变量和工况变量监测数据，根据上述确定的对应工况阈值中心，量化计算该时刻分析变量监测值到中心值的偏离程度，确定该时刻分析变量的健康等级；根据正常工况分析变量健康等级设定阈值，作为监测变量告警的依据指标。

13、优选的，获得每一时刻不同分析变量的健康等级后，融合所有分析变量每一天的健康等级，获得整机不同时刻的健康等级，进一步得到整机每一天的健康等级，构建整机健康等级变化曲线。

14、一种风力发电机组健康状态评估系统，包括变量划分模块，区间划分模块和评估模块；

15、变量划分模块，将获取的风力发电机组的监测数据按照标签量、分析变量和工况变量进行划分，计算分析变量和工况变量之间的相关性，根据分析变量和工况变量之间的相关性获取分析变量对应的工况变量集合；

16、区间划分模块，将根据获取的风力发电机组的监测数据的工况变量，采用箱线图的方法将工况变量数值划分为多个区间，作为机组运行状态不同工况的判断依据；

17、评估模块，根据划分的多个区间得到不同工况组合，筛选每一个分析变量对应工况组合下的监测数据，确定变量阈值中心，即可获得每一时刻分析变量的健康等级，进一步获得整机不同时刻的健康等级和整机每一天的健康等级。

18、优选的，采用copula非线性分析方法，计算每个分析变量与每个工况变量之间的非线性相关性，构建分析变量与工况变量间的相关系数矩阵，根据强相关性判定设定阈值，辨识与每一个分析变量最相关的工况变量集合。

19、优选的，采用箱线图的方法，计算工况变量监测数据的各个箱线图特征值，把每一组数据由小到大排列，找到将该组数据四等分的数，将第一四分位数、中位数、第三四分位数作为区间划分的端点，对工况变量数值区间进行初始划分。

20、优选的，设一个分析变量在某一组合工况下的数据为x1,x2,…,xn，其中n为数据长度，则

21、

22、

23、其中c为该时刻所在组合工况下的中心值，m为该时刻所在组合工况下的标准差。

24、与现有技术相比，本发明具有以下有益的技术效果：

25、本发明提供一种风力发电机组健康状态评估方法，通过将获取的风力发电机组的监测数据按照标签量、分析变量和工况变量进行划分，计算分析变量和工况变量之间的相关性，根据分析变量和工况变量之间的相关性获取分析变量对应的工况变量集合；将根据获取的风力发电机组的监测数据的工况变量，采用箱线图的方法将工况变量数值划分为多个区间，作为机组运行状态不同工况的判断依据；根据划分的多个区间得到不同工况组合，筛选每一个分析变量对应工况组合下的监测数据，确定变量阈值中心，即可获得每一时刻分析变量的健康等级，进一步获得整机不同时刻的健康等级和整机每一天的健康等级。本发明采用设备组合工况分析方法，在不同的工况组合条件下对机组实时监测数据进行健康状态分析，能够解决装备健康状态离散、运行工况耦合、运维决策多变等问题。

26、本发明采用设备组合工况分析方法，在不同的工况组合条件下对机组实时监测数据进行健康状态分析，能够解决装备健康状态离散、运行工况耦合、运维决策多变等问题。本发明相对现有的风力发电机组监测报警机制依赖于先验知识的设定前提，提出了基于数据本身分布规律的健康状态评价和报警机制，使得风力发电机组监测报警具有连续性和可追溯性；

27、本发明和传统的scada报警机制相比，突出考虑从监测变量数据本身的分布规律中挖掘和提取系统状态特征，减少人员操作和运维决策对监测判异的影响，具有更强的通用性和稳定性。