。
[0069] 以风力发电机组为例，在步骤209中假设发电性能为同等级别的某一类的同类风 机中有N台风机，为对比待评估风机与其他风机的发电性能，以其他风机的历史数据作为 训练数据，建立待评估风机的N-I个横向发电量预测模型（即其他N-I个风机的纵向发电 量预测模型）。其中，训练待评估风机的N-I个横向发电量预测模型的历史运行数据数据优 先选用与待评估风机正常运行同时段的数据，以降低模型训练时未考虑的其他输入因素对 发电量预测造成的影响。
[0070] 至此，可以通过横向发电量预测模型检测风机待评估时段的发电量性能：对于每 个横向发电量预测模型，以待评估风机的待评估运行数据作为输入数据，评估预测发电量 与实际发电量之间的关系，如两者之间是否满足：
[0071]
以此最终判定该风机发电性能异常。
[0072] 210、根据通过纵向发电量预测模型获取的预测发电量和/或通过纵向发电量预 测模型获取的预测发电量确定所述发电机组性能的改变量。
[0073] 在上述的方案提供的发电机组的发电性能评估方法中，发电性能评估设备能够结 合发电机组的历史运行数据，通过自适应模糊神经推理系统ANFIS计算每个发电机组的训 练数据获得至少一个发电机组的纵向发电量预测模型，进而通过纵向发电量预测模型对发 电机组性的发电性能进行评估，能够实现对发电机组的发电性能进行精准的评估。
[0074] 本发明的实施例提供一种发电性能评估设备，用于实施上述发电机组的发电性能 评估方法，参照图7所示，包括：
[0075] 参数获取单元71，用于获取至少一个发电机组的历史运行数据，所述历史运行数 据用于表征所述发电机组的发电性能；
[0076] 数据筛选单元72,用于在所述参数获取单元71获取的历史运行数据中选取每个 所述发电机组的训练数据；
[0077] 计算单元73,用于通过基于数据挖掘的人工智能算法计算所述数据筛选单元72 选取的每个所述发电机组的训练数据获得至少一个发电机组的纵向发电量预测模型；
[0078] 检测单元74,用于获取所述至少一个发电机组中待评估发电机组的待评估运行数 据，将所述待评估运行数据输入所述计算单元获得的对应的纵向发电量预测模型检测所述 待评估发电机组的纵向发电性能是否正常。
[0079] 在上述的方案提供的发电性能评估设备能够结合发电机组的历史运行数据，通过 基于数据挖掘的人工智能算法计算每个发电机组的训练数据获得至少一个发电机组的纵 向发电量预测模型，进而通过纵向发电量预测模型对发电机组性的发电性能进行评估，能 够实现对发电机组的发电性能进行精准的评估。
[0080] 可选的，参照图8所示，还包括：校验单元75 ;
[0081] 所述数据筛选单元72还用于在所述参数获取单元71获取的历史运行数据中选取 每个所述发电机组的校验数据；
[0082] 所述校验单元75用于根据所述数据筛选单元72选取的每个发电机组的校验数据 对每个发电机组的纵向发电量预测模型进行校验。
[0083] 可选的，所述数据筛选单元72还用于对所述至少一个发电机组的历史运行数据 进行筛选，获取每个发电机组正常运行状态的历史运行数据。
[0084] 进一步的，参照图9所示，当所述待评估发电机组的发电性能异常时，所述参数获 取单元71还用于获取一组典型运行数据；
[0085] 所述检测单元74还用于将所述参数获取单元71获取的典型运行数据输入所述至 少一个发电机组中每个发电机组的纵向发电量预测模型获取所述每个发电机组的预期发 电量；
[0086] 分类单元76用于根据所述检测单元74获取的每个发电机组的预期发电量进行聚 类分析，将所述至少一个发电机组按照预期发电量分为K类，其中K为大于或等于1的正整 数；
[0087] 所述检测单元76还用于将所述待评估发电机组的待评估运行数据依次输入与所 述待评估发电机组同类的N-I台发电机组的纵向发电量预测模型，检测所述待评估发电机 组的横向发电性能是否正常。
[0088] 进一步的，所述检测单元74具体用于将所述待评估运行数据输入对应的纵向发 电量预测模型获取所述待评估发电机组的预测发电量；当所述预测发电量与实际发电量的 关系满足预设条件时，确定所述待评估发电机组的纵向发电性能正常；否则确定所述待评 估发电机组的纵向发电性能异常。
[0089] 进一步的，所述检测单元74具体用于将所述待评估发电机组的待评估运行数据 输入与所述待评估发电机组同类的N-I台发电机组中第一发电机组的纵向发电量预测模 型，获取所述待评估发电机组的第一预测发电量；当所述第一预测发电量与实际发电量的 关系满足预设条件时，确定所述待评估发电机组的横向发电性能正常；否则确定所述待评 估发电机组的横向发电性能异常，并将所述待评估发电机组的待评估运行数据输入与所述 待评估发电机组同类的N-I台发电机组中其他发电机组的纵向发电量预测模型以检测所 述待评估发电机组的横向发电性能是否正常。
[0090] 可选的，所述检测单元74还用于根据通过所述纵向发电量预测模型获取的预测 发电量和/或通过所述纵向发电量预测模型获取的预测发电量确定所述发电机组性能的 改变量。
[0091] 其中，上述的实施例中所述发电机组包括：风力发电机组或光伏发电机组；运行 数据包括：气象数据和发电机组运行数据。所述发电机组为风力发电机组，所述气象数据包 括：风速、风向、环境温度、空气湿度、气压；所述发电机组运行数据包括：功率、转速、风机 运行状态，其中风机运行状态包括：空转状态、发电状态及停机状态。所述发电机组为光伏 发电机组运行数据包括：所述气象数据包括：光辐射强度、环境温度、空气湿度、风速；所述 发电机组运行数据包括：功率、光伏发电机组运行状态，其中光伏发电机组运行包括：发电 状态、无负荷状态及停机状态。
[0092] 需要说明的是，上述设备的实施例中的各个功能单元可以为发电性能评估设备中 单独设立的处理器，或者集成在发电性能评估设备中某一处理器中，或者以程序代码的形 式存储于发电性能评估设备的存储器中，并由第一设备的某一个处理器调用并执行以上各 个单元的功能。以上所述的处理器可以是一个中央处理器（英文：Central Processing Unit，简称：CPU)，或者是特定集成电路（英文〖Application Specific Integrated Circuit，简称：ASIC)，或者是被配置成实施本发明实施例的一个或多个集成电路。
[0093] 以上所述，仅为本发明的【具体实施方式】，但本发明的保护范围并不局限于此，任何 熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到变化或替换，都应涵 盖在本发明的保护范围之内。因此，本发明的保护范围应所述以权利要求的保护范围为准。
【主权项】
1. 一种发电机组的发电性能评估方法，其特征在于，包括： 获取至少一个发电机组的历史运行数据，所述历史运行数据用于表征所述发电机组的 发电性能； 在所述历史运行数据中选取每个所述发电机组的训练数据； 通过基于数据挖掘的人工智能算法计算每个所述发电机组的训练数据获得至少一个 发电机组的纵向发电量预测模型； 获取所述至少一个发电机组中待评估发电机组的待评估运行数据，将所述待评估运行 数据输入对应的纵向发电量预测模型检测所述待评估发电机组的纵向发电性能是否正常。2. 根据权利要求1所述的方法，其特征在于，所述方法还包括： 在所述历史运行数据中选取每个所述发电机组的校验数据； 所述通过基于数据挖掘的人工智能算法计算每个所述发电机组的训练数据获得至少 一个发电机组的纵向发电量预测模型后，还包括： 根据每个发电机组的校验数据对每个发电机组的纵向发电量预测模型进行校验。3. 根据权利要求1所述的方法，其特征在于，所述在所述历史运行数据中选取每个所 述发电机组的训练数据之前，还包括： 对所述至少一个发电机组的历史运行数据进行筛选，获取每个发电机组正常运行状态 的历史运行数据。4. 根据权利要求1所述的方法，其特征在于，所述方法还包