考虑多信息融合的风电机组状态评估与预测系统开发

为降低风电机组故障发生概率,提高其可靠性,该文利用数据采集与监控系统（supervisory control and data acquisition,SCADA）检测获得的风电机组运行状态数据,通过研究多指标融合状态评价模型及其预测算法,解决风电机组状态参数评估与预测难题。结合SCADA系统结构,设计并规划风电机组状态参数评估与预测系统架构与功能;利用输出功率波动、风能利用率以及开机运行比率3项参数,基于阈值法,建立风电机组状态退化评价指标模型,通过主成分分析法对3个评估标准进行权重计算,并将各指标进行信息融合,综合反应风电机组运行状态;设计Convolutional Neural Network-Long Short-Term Memory风电机组状态预测模型,实施风电场运行状态参数预测;开发风电机组状态评估与预测系统软件,验证所提方法的有效性。     

风电机组运行状态参数的非等间隔灰色预测

为了实现风电机组故障预警和智能状态检修,提出了风电机组运行状态趋势的灰色非等间隔预测研究。首先,考虑不同间隔段历史数据所反映机组趋势和变化规律差别,对监测数据抽取多组非等间隔时间序列,利用平均弱化缓冲算子,分别建立非等间隔灰色GM(1,1)预测模型。其次,引入关联度概念,选择各组非等间隔灰色预测值与实际值之间最大关联度的预测结果,应用建立的灰色关联组合预测模型,对某850kW变速恒频风电机组的发电机转速及部件温度等运行状态参数进行预测。最后,对某2MW风电机组运行转速进行预测,并与反向传播(BP)神经网络和支持向量机方法的预测结果进行比较,结果表明风电机组运行状态参数的非等间隔灰色预测具有较高的精度。     

基于风电机组状态信息的海上风电场维护策略

针对海上风电场运维过程中风电机组的状态信息利用不足,提出了一种基于风电机组状态信息的海上风电场维护策略。首先,考虑环境因素以及部件之间的相互作用对状态信息的影响,定义动态劣化度用于描述风电机组各部件的劣化程度,采用模糊综合评价法建立了风电机组的状态评估模型。其次,依据各风电机组的实测运行数据,确定风电场待维护机组。再次,针对选定的待维护机组,结合后续维护周期内风速预测结果,构建了以单个维护周期内维护成本最小为目标、以海上有限维护时间与可及性为约束的海上风电场短期预防性维护决策模型,对风电场的风电机组的维护时间以及路径进行优化。最后,结合国内某海上风电场实例数据进行算例研究,验证所提方法的有效性。     

融合集对分析和证据理论的风电机组运行状态评估

为及时准确地评估风电机组运行状态,结合集对分析和证据理论各自的特点提出了一种风电机组运行状态评估的新方法。该方法根据风电场数据采集与监控系统的物理量,构建机组运行状态评估的指标体系,建立了一个2层评价模型。模型第1层采用集对分析处理指标不确定性的劣化度,并生成模型第2层的基本概率分配。模型的第2层采用证据理论进行多证据融合,得到机组运行状态的隶属度,同时基于隶属度最大原则与信度准则共同评判风电机组运行状态等级。采用所提评估方法对某风电场1.5 MW并网风电机组进行状态评估,并将评估结果与传统的模糊综合评估方法得到的结果进行比较,结果表明所提评估方法的结果更准确,在状态的趋势分析中也表现较好。     

基于概率神经网络的集控式风电场风险评估

目前对风电机组的风险评估方法多以对某关键部件的风险评估情况来分析风电机组的整体运行情况,由于各关键部件具有较强的耦合作用,需要综合考虑各部件对风电机组的影响情况。为了更好地对风电机组进行维护检修,文中以风电机组的历史运行数据为基础,对其进行风险状态评估,通过风电场集控中心及其数据模型的建设,对风电机组的运行数据进行采集,提取出反映风电机组关键部件运行状态的特征量,使用发电机组理论风速功率曲线与实际输出功率的缺额来描述其运行状态。以关键部件的特征量为输入,风电机组的风险程度为输出,建立概率神经网络模型,通过实例仿真可以看到模型的预测分类效果较好,应用该方法对风电机组的风险状态能进行较好的评估,并为运维检修提供参考。     

风力发电机组运行状态的混沌特性识别及其趋势预测

通过对风力发电机组运行状态参数时间序列进行非线性动力学建模,解析了机组运行状态的动力特征,验证了风力发电机组运行状态的混沌特性。在此基础上,根据混沌时间序列的相空间重构理论,应用加权一阶局域预测方法对风电机组运行状态进行混沌预测研究,采用某风场风电机组实际运行数据对预测方法进行检验。计算结果表明,应用混沌预测方法对风力发电机组运行状态进行预测是可行的,具有较高的精度,为风电机组状态预测提供了新的思路。     

电能计量装置健康度的综合评估与趋势预测方法

为有效解决电能计量装置的计划检修任务重、重复检测、针对性不强等问题,提出了一种电力计量装置健康度的综合评估方法以及电能计量装置健康度的趋势预测方法,为电能计量装置的状态在线检修优化提供辅助决策。首先,从电能计量装置的运行状态、配置方式以及运行工况等方面,提出了一种电能计量装置的健康度综合评价指标体系。并采用序关系分析法求取电能计量装置综合评估指标的赋权值,从而实现电能计量装置健康度的综合评价。其次,基于电能计量装置的综合评估结论,提出了一种基于灰色GM(1,1)模型的电能计量装置健康度预测方法,并通过天津市电力公司的实际运行进行案例验证。健康度评价和预测的结果可对电能计量装置的现场状态检修进行有效指导,并能及时发现电能计量装置的运行隐患,为电能计量装置状态检修策略优化提供理论依据。     

基于趋势预测的大型调相机运行状态实时评估

大型调相机作为高压直流输电工程中的重要设备,其健康状态对于电网安全运行具有重要意义。为此,本文提出一种基于趋势预测的大型调相机健康状态评价方法。首先,针对调相机的设备构成,基于多层次模糊综合评价法构建了调相机健康状态评估体系;其次,提出基于层次分析法与熵权法的组合赋权法进行指标权重赋值,应用模糊隶属度进行逐层评价;最后,提出了基于小波包-长短期记忆神经网络预测模型的劣化度改进方法,以实现实时状态评估。算例结果表明所提方法较于传统评估方法,更具合理性,有助于实现设备的故障预警,为换流站的调度运行与设备检修提供参考意见。     

大功率并网风电机组状态监测与故障诊断研究综述

状态监测与故障诊断技术是降低大功率并网风电机组的故障率和其运维费用的有效手段之一。对风电机组状态评估和故障预测进行综述。首先,在分析国内外风电机组故障统计情况的基础上,提出状态监测需要关注的风电机组关键部件;其次,综述风电机组整机综合状态评估和故障预测研究现状;然后,重点评述和分析风电机组关键部件的状态监测与故障诊断方法;最后,提出大功率并网风电机组状态监测与故障诊断的研究要点及趋势。     

基于PSO优化核主元分析的海上风电机组运行工况分类

海上风电机组运行环境复杂多变,对其工况进行分类可以提高机组运行健康状态评价的准确性,为制定合理的运行维护策略提供可靠依据。提出一种基于PSO优化核主元分析(KPCA)的多参数工况分类方法。针对核函数参数难以确定的问题,综合考虑类内散度和类间散度构建优化核参数的适应度函数,应用PSO算法对其进行寻优,将优化后的KPCA用于数据的特征提取,在此基础上采用模糊C-均值聚类(FCM)建立分类模型。通过对UCI数据库中的三组实验数据进行分类验证了该方法的有效性。最后,应用该方法对某海上风电场实测数据进行工况分类,并与PCA+FCM、KPCA+FCM两种方法进行比较。结果表明,提出方法的分类结果优于其他两种,能够得到清晰准确的分类结果,利于分工况建立准确的机组运行健康状态评价模型。