括： 当所述待评估发电机组的发电性能异常时，获取一组典型运行数据； 将所述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； 根据所述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； 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。5. 根据权利要求1所述的方法，其特征在于，所述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；包括： 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。6. 根据权利要求4所述的方法，其特征在于，所述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；包括： 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。7. 根据权利要求6所述的方法，其特征在于，所述方法还包括： 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。8. 根据权利要求1-7任一项所述的方法，其特征在于，所述基于数据挖掘的人工智能 算法包括：自适应模糊神经推理系统ANFIS。9. 根据权利要求1-7任一项所述的方法，其特征在于，所述发电机组包括：风力发电机 组或光伏发电机组。10. 根据权利要求9所述的方法，其特征在于，运行数据包括：气象数据和发电机组运 行数据。11. 根据权利要求10所述的方法，其特征在于，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、气压及湍流强度；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。12. 根据权利要求10所述的方法，其特征在于，所述发电机组为光伏发电机组，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状态包括：发电状态、无负荷状态及停机状 O13. -种发电性能评估设备，其特征在于，包括： 参数获取单元，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； 数据筛选单元，用于在所述参数获取单元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； 计算单元，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； 检测单元，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。14. 根据权利要求13所述的设备，其特征在于，还包括：校验单元； 所述数据筛选单元还用于在所述参数获取单元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； 所述校验单元用于根据所述数据筛选单元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。15. 根据权利要求13所述的设备，其特征在于，所述数据筛选单元还用于对所述至少 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。16. 根据权利要求13所述的设备，其特征在于， 当所述待评估发电机组的发电性能异常时，所述参数获取单元还用于获取一组典型运 行数据； 所述检测单元还用于将所述参数获取单元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； 分类单元用于根据所述检测单元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； 所述检测单元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。17. 根据权利要求13所述的设备，其特征在于，所述检测单元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。18. 根据权利要求16所述的设备，其特征在于，所述检测单元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。19. 根据权利要求18所述的设备，其特征在于， 所述检测单元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。20. 根据权利要求13-19任一项所述的设备，其特征在于，所述基于数据挖掘的人工智 能算法包括：自适应模糊神经推理系统ANFIS。21. 根据权利要求13-19任一项所述的设备，其特征在于，所述发电机组包括：风力发 电机组或光伏发电机组。22. 根据权利要求21所述的设备，其特征在于，运行数据包括：气象数据和发电机组运 行数据。23. 根据权利要求22所述的设备，其特征在于，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。24. 根据权利要求22所述的设备，其特征在于，所述发电机组为光伏发电机组，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。
【专利摘要】本发明的实施例提供一种发电机组的发电性能评估方法及设备，涉及电力设备领域，能够结合发电机组的历史运行数据对发电机组的发电性能进行精准的评估。该方法包括：获取至少一个发电机组的历史运行数据；在历史运行数据中选取每个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，将待评估运行数据输入对应的纵向发电量预测模型检测待评估发电机组的纵向发电性能是否正常。本发明的实施例用于发电机组的发电性能评估。
【IPC分类】G06Q50/06, G06Q10/06
【公开号】CN104915747
【申请号】CN201510056910
【发明人】王晓钰, 赵冰洁, 房新雨, 梁家宁
【申请人】远景能源（江苏）有限公司
【公开日】2015年9月16日
【申请日】2015年2月3日