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。     

采用预测模型与模糊理论的风电机组状态参数异常辨识方法

为提高风电机组的停运预警能力,基于风电场数据采集与监控(SCADA)系统数据提出了一种风电机组状态参数的异常辨识方法。对参数进行划分,针对与环境因素密切相关的状态参数,采用神经网络建立了状态参数预测模型。采用本机组近期SCADA样本、本机组历史样本和其他机组近期样本分别作为预测模型的训练数据,对比分析了基于3类样本建立的模型的预测精度。采用平均绝对误差对基于本机组历史样本和其他机组近期样本建立的预测模型进行选择。定义了异常程度指标量化预测残差的异常程度。为了提高异常辨识的精度,采用模糊综合评判对筛选出的预测模型的异常辨识结果进行融合。最后,以国内某风场的1.5 MW风电机组为例进行了异常分析,并与传统的风电机组状态参数异常检测方法进行了对比,实例分析结果表明所提出的异常辨识方法具有更高的准确性。     

风力发电机组故障诊断与状态预测的研究进展

风力发电机组因运行环境恶劣较易发生故障,实现对风电机组适当的状态维护或预防性维护,既能减少故障发生概率、降低维修成本,又能改善电力系统运行的安全性与经济性。首先,通过回顾近年来国内外在风电机组状态维护或预防性维护方面所做的相关研究工作,系统归纳了当前针对风电机组关键部件开展故障诊断和状态预测的难点问题及其研究进展;然后,对基于数据驱动的风电机组故障诊断与状态预测方法进行了重点论述;最后,对未来该领域的研究建议进行了展望。     

基于关联度与自检验长短期记忆网络的风电机组轴承寿命预测模型

为提高风电机组轴承寿命预测的稳定性，提出基于关联度与自检验长短期记忆网络(self-checkinglong short-term memory,Sc-LSTM)的轴承寿命预测模型。首先，采用长短期记忆网络(long short-term memory,LSTM)对风电机组轴承单一运行状态信号进行预测，分析预测误差与运行状态关系，建立风电机组轴承的寿命时长体系。其次，LSTM对轴承全寿命信号进行预测与分析，选择检验指标σ来构建检验层与Sc-LSTM，引入通过率η对预测效果进行评价。采用关联度(indexedrelation,IR)为轴承全寿命信号的状态评价指标，得到轴承的IR运行曲线。最后，利用Sc-LSTM分别对IR运行曲线、风电机组轴承信号进行预测与分析，结果表明：Sc-LSTM与IR的预测模型能有效地提高轴承寿命预测的稳定性，减少大规模预测试验的时间与成本，弥补预测误差对预测效果评价单一的问题，与其他预测方法相比效果更佳，在风电机组轴承寿命预测上具有一定参考价值。     

基于Vine-Copula贝叶斯网络模型的风机高温降容状态评估方法

风电机组在齿轮箱油温过高时会导致机组限功率运行,影响机组发电效率。传统应对风机高温降容状态多采用阈值判断,反应迟缓,加剧风机齿轮箱劣化趋势。利用贝叶斯网络对风机高温降容状态进行评估,为提取并准确合理地利用机组数据采集与监视控制系统(supervisorycontroland dataacquisitionsystem,SCADA)各个相关状态参数之间的耦合特性,通过vine-Copula模型对机组各个状态参数进行相关性分析,建立更符合机组实际运行状态的贝叶斯概率图形网络,实现对机组高温降容状态的评估。通过交叉熵算法对模型输出结果进行评价,发现与朴素贝叶斯模型相比,vine-Copula贝叶斯网络评估结果更为精确可靠,所建模型更符合机组实际运行工况,能够为现场的运维人员制定准确合理的运行和维护方案提供参考。     

综合信息

“大型水轮发电机组的状态监测与故障诊断理论与应用”成果近日通过了由湖北省科技厅组织的专家鉴定,该系统是针对大型水轮发电组的状态监测与故障诊断。该系统的研制成功,将有助于分析水轮发电机组运行状态的好坏,预测可能存在的事故隐患及不安全因素,合理地进行设备维护与检修决策,实现按设备的状态进行检修,从而降低运行维护成本、增加经济效益,对提高机组运行的安全性、     

基于云模型和DSmT的风电机组状态评估方法

为准确掌握风电机组的实际运行状态,需要利用已有的运行数据对风电机组运行状态进行研究,从而为其他风电机组的安全经济运行提供依据。根据风电机组监控与数据采集(supervisory control and data acquisition,SCADA)系统和风电机组状态监测系统(condition monitoring system,CMS)获得的监测数据,提出基于云模型和Dezert-Smarandache理论(DSmT)的风电机组状态评估方法。首先确定影响风电机组项目层的评价指标,建立多源参数融合的两级状态评价指标体系;其次确定各评估指标的动态劣化度,建立云模型,求出隶属度;再根据隶属度求得概率质量(mass)函数,采用DsmT对mass函数进行融合,在融合过程中引入mass函数的快速收敛算法以减少计算量,按照最大信任规则,确定评估状态;最后以我国华东地区某风场的风电机组健康状态评估为例对所提方法的有效性进行验证。与当前的风电机组评估方法对比,所提风电机组评估方法更加准确。     

沙角C电厂660MW机组动力设备状态检修实施

针对沙角C电厂动力设备检修现状,提出一套完整的状态检修平台设计方案。该检修平台在对动力设备运行数据分类整理的基础上,充分挖掘数据信息,运用模糊数学理论对所有参数进行加权综合评判,得出设备的运行状态;依据设备的运行状态信息,运用模糊识别方法对设备进行故障诊断,得出设备运行的风险评判;运行人员参照设备的风险评判,结合人工现场经验判断,给出动力设备最优的检修策略。在沙角C电厂660 MW机组动力设备的实际运用情况表明,该平台界面友好、维护方便、模型推理可靠,为电厂实现检修优化提供了一种可行的方案。     

基于深度全连接神经网络的风机叶片结冰预测方法

我国北方地区风电机组叶片结冰问题,对机组正常安全运行会产生严重影响。为对风电机组叶片结冰状态进行有效预测,基于风场大数据,提出一种使用深度学习算法进行优化的深度全连接神经网络的风电机组叶片结冰预测算法。将处理后的数据集对深度全连接神经网络模型进行训练、测试、评价,最后将所得评价结果并与最近邻法(KNN)、支持向量机(SVM)、未使用深度学习优化算法的BP神经网络的预测结果进行对比。结果表明,所提出的基于深度全连接网络的风电机组叶片结冰预测算法,求取精度较高,计算量少,可以对风电机组叶片结冰预测问题进行快速有效判断。     

电能计量装置健康度评价及预测

正由于智能电表技术的广泛应用,电能计量装置的运行监测手段较以前的机械表有了重大改进。电网二次设备的现场检验工作可逐步实现由计划检修模式向状态检修模式的转变。综合考虑电能计量装置的运行状态、配置方式以及运行工况,提出一种基于序关系分析法的电能计量装置健康度评价方法,并提出一种基于灰色模型的计量装置健康度预测方法。健康度评价和预测可以用于优化电能计量装置的检修策略。系统根据评价及预测结果对现场检验计划进行安排,可     

基于状态评价的风力发电设备故障诊断系统的研制

基于状态评价的风力发电设备故障诊断系统,通过实时监控表征风力发电设备运行情况的状态量,依据风力发电设备状态评价导则,对风力发电设备进行状态评价,并依据状态评价的结果,对潜在故障进行诊断分析。同时给出相应的运维策略,通过早期故障预测,变事后维护为事前检修,科学合理地安排检修计划,极大地提高了风力发电设备的运维效率,降低了机组的维护成本,保证了风力发电机组的可靠稳定运行。依据此方法研制的风力发电设备故障诊断系统,已成功应用于南方电网超高压输电公司检修试验中心。实践证明,该方法有效地提高了风力发电设备故障诊断的实时性与准确性。