基于状态曲线的风电机组运行工况异常检测

为了提高风电机组的利用率和发电量,减少风电机组维修和更换费用,需要对其运行工况进行监测。本文首先对机组的风速-功率、风速-转速、风速-桨距角、转速-功率、转速-桨距角5种状态曲线进行理论介绍,然后结合实际运行数据对其进行了分析。结果表明:由于风速的随机性和风电机组的惯性,前3种曲线不能很好地区分机组的正常运行状态和故障状态,而转速-功率、转速-桨距角能够对机组的异常情况进行准确的监测;以转速-功率、转速-桨距角状态曲线为基础,分析了机组不同运行工况在状态曲线上的分布,对各个不同工况分别建立相应的评价体系,通过故障实例分析,表明本文方法能提前感知异常情况,有效提高系统的状态监测精度。     

基于Spiked模型的低信噪比环境电网异常状态检测

为发展基于大数据技术的电网态势感知理论与方法,提出了一种基于Spiked模型电网异常状态动态辨识方法,该方法源于随机矩阵理论。首先,通过数据源矩阵的构造,窗口数据矩阵及其标准矩阵的构建,进而形成其样本协方差矩阵,并计算该矩阵的最大特征值;然后,利用由Kaiser窗函数校正的经典谱估计法进行全局信噪比估计,进而得出对应的动态阈值,并与最大特征值比较来进行异常状态判别;最后,借助MATLAB软件,案例分析在一个IEEE50机标准系统展开,涉及负荷异常跃变及三相短路接地故障,与传统的平均谱半径分析法的计算结果比较表明该方法具有抗噪性能高、适应性强的优点,同时对于非完整性信息有一定的鲁棒性。     

基于风频Weibull分布和风机功率特性求解风机发电量

提出了一种准确求解风机发电量的方法。首先利用欲安装风机地区一年的风速资料建立风速频率Weibull分布的数学概率模型来拟合实际的风频分布,然后根据风力发电机自身的功率特性通过最小二乘法拟合输出功率特性曲线,最后采用一个实际的例子详细阐述了这种风机发电量的计算方法并通过此方法得到该地区使用Fortis Espada(800)风力发电机发电的相关数据的计算结果。由于这种计算方法完全建立在风速频率Weibull分布和风机自身的输出特性的基础上,因此得到的风机输出平均功率和发电量的计算结果更加准确。在辅助计算软件的协助下,计算过程可以得到很大简化并满足工程应用。     

基于动态阈值的变压器异常状态检测

为提升电力变压器状态检修效率和异常状态检测、预警能力,考虑变压器在线监测数据、检修数据及设备本体数据间的相关性,提出了一种基于动态阈值的变压器异常运行状态检测方法,通过构造动态预测模型对特征参数基线进行刻画。在此基础上,采用贝叶斯网络推算变压器运行状态,以概率大小判断变压器可能状态,并基于实际运行数据对所提方法进行了验证分析。计算结果表明此方法可对异常检测数据有效检测,能够对变压器异常状态准确识别和预测。     

基于时间序列和神经网络的电力设备状态异常检测方法

为进一步提高电力设备异常检测方法对设备信息的利用率,发现更多潜在设备故障,结合大数据分析技术和设备评估技术,提出了一种将时间序列和神经网络相结合用于电力设备状态数据异常检测。首先通过时间序列自回归模型和自组织映射神经网络将连续的电力设备数据离散为单个序列,对时间轴上的状态变量转移概率进行计算,通过状态转移概率和聚类算法快速检测数据异常。通过实验对该方法的有效性进行验证。 结果表明,该方法能快速有效地检测出电力设备的异常状态。     

基于修正能量函数和可信性理论的风机极限穿透功率模型研究

建立了考虑暂态稳定约束和风速不确定性的风机极限穿透功率计算模型。采用修正能量函数法计算暂态稳定指标,建立暂态稳定约束条件。针对风电出力的不确定性,采用风速预测误差的模糊性表征风电出力的模糊性,并基于可信性理论建立了支路容量的模糊机会约束条件。结合暂态稳定约束,最终建立风电穿透功率的模糊机会约束模型。为了避免低效的模糊模拟求解,将模糊机会约束条件转化为其清晰等价类,简化模糊机会约束模型为易求解的混合整数线性规划模型。IEEE 30节点算例表明该方法可有效计算风机极限穿透功率。     

基于滑动窗口和聚类算法的变压器状态异常检测

在线监测数据在变压器运行状态中发挥出重要角色,而传统的异常状态检测一般基于阈值判定法,难以及时发现变电设备的异常情况,甄别噪声数据。针对上述问题,根据变压器在线监测数据中异常值特点,提出了一种基于滑动窗口和聚类算法的变压器状态异常检测方法。首先,利用时间序列和滑动窗口对多维的在线监测数据流进行筛选,记录异常点的发生时间和类型,建立候选异常数据集合的判断模型;其次,基于无监督的k-means聚类方法建立多元特征量数据点的异常检测模型,并用于在线监测实时数据的异常检测,判断异常时刻与异常类型。通过某变电站的油中气体数据对本文算法进行了验证,结果表明,该方法可以实时检测在线监测数据流中因运行状态变化而产生的趋势异常,并祛除少量传感器噪声或突变值的影响,具有较高的实用价值。     

基于比例风险模型的风机齿轮箱的状态维修决策

针对风电机组齿轮箱故障问题,在分析故障数据的基础上,通过威布尔比例风险模型将风机齿轮箱故障规律和状态监测结合起来,然后对模型进行简化并运用Newton-Raphson迭代法进行求解,以可靠度为决策目标,预测齿轮箱维修间隔时间,最后通过某型号风机齿轮箱进行验证,结果表明能准确预测齿轮箱的使用寿命,从而降低维修成本并最大化使用设备。     

IEC标准在风机实际功率曲线测定中的应用

IEC标准在风机功率曲线测定中常被采用,然而实际运营的风电场由于现场条件复杂,各种条件很难达到IEC的标准。为了研究IEC标准在实际风场中的应用情况,按IEC标准方法测定达坂城某风电场中风机的实际功率曲线,并对一些程序进行了适当的简化。经实际测定按照IEC标准测定的实际功率曲线与理论功率曲线比较接近。可见,IEC标准应用于测定风电场实际功率曲线是可行的。     

基于集中器SIM卡状态分析的异常检测

为解决用电信息采集系统面临的非法入侵问题,本文提出了一种基于集中器SIM卡异常行为分析的方法,构建非法入侵检测系统,实现对于主站的入侵保护。在对系统进行非法入侵的过程中,入侵者需要依赖于系统中的GPRS模块,而对于GPRS模块进行非法访问和使用时会产生一系列的异常行为。基于此,本方案首先实现了在入侵检测系统中对于这一系列异常行为的捕获,并以将结果以日志的形式存储起来,用以进行实时建模,用改进的Kmeans和i Forest算法将正常行为与异常行为聚类区分,实现对于异常行为的检测,发现疑似异常点后,再结合心跳帧机制判断确认,如果确认访问者为非法身份则发出警告,并拒绝访问请求。经仿真分析,该方案能够检测出目前用电采集系统主站被非法入侵的行为,并具有很好的拓展性和前瞻性。     

基于云模型的谐波电流异常检测

电力系统谐波监测是电能质量监测系统的主要工作内容,谐波电流检测能为分析设备运行状态提供依据,提出了一种基于云模型检测谐波电流是否异常的方法。根据正常运行条件下谐波电流的日95%概率值和日最大值分别建立正态云模型,利用云模型的熵来衡量正常运行方式时谐波电流的波动范围,根据正态云外隶属曲线的'3En外边界确定谐波电流的异常阈值。同时提出了谐波电流异常检测的修正算法及简化公式。将需检测的谐波电流与谐波异常阈值进行比较,可实现谐波电流的异常检测;基于云模型确定谐波电流异常阈值可以克服基于总体样本方法确定的异常阈值受样本随机不确定性影响较大的问题,同时考虑了正常数据的波动问题,确定出的异常阈值更符合客观实际,不易造成正常数据的误判。实际工程算例验证了该方法的正确性,同时说明了总体样本方法的不足。     

基于VAE-LSTM模型的无人机飞行数据异常检测

无人机飞行数据是反映其自身飞行安全的重要状态参数,通过对飞行数据进行异常检测,是提高无人机整体飞行安全性的关键举措。尽管基于数据驱动方法不需专家先验知识和精确的物理模型,但缺乏参数选择且检测网络结构模型单一,使得检测模型由于参数过多导致过拟合以及无法有效捕捉数据异常模式的问题。文中结合变分自编码器和长短期记忆网络的优势,提出了一种基于VAE-LSTM的无人机飞行数据异常检测模型方法。首先,引入肯德尔相关性分析方法用于选择相关依赖的飞行数据参数集;其次,将具有相关性的参数集对所设计的VAE-LSTM深度混合模型进行训练,学习不同数据特征之间的关系映射;最后,以无监督异常检测方式在真实多维无人机飞行数据进行验证。实验结果表明,VAE-LSTM的精密度、检测率、准确率、F1分数及误检率的各项平均性能指标分别达到95.24%、98.71%、98.8%、 96.82%、 1.31%,相比于KNN、OC-SVM、VAE、LSTM模型,整体上展现出较好异常检测性能。     

计及电缆和风机功率的多风机并网谐振分析

为更精确的分析多逆变器并网系统中存在的串联和并联谐振现象,提出在单台逆变器小信号模型的基础上考虑输电电缆及风机输出功率的影响。首先,风电场常通过电缆与大电网相连,而电缆存在较大的对地电容,其对系统谐振的影响不容忽略,提出基于电缆的等值模型分析电缆电容对系统谐振的影响。其次,不同的风机输出功率会在电网中产生不同的阻尼效果,提出根据风机输出功率和公共连接点(point of common coupling,PCC)处负荷水平的大小确定负荷等效阻抗,进而分析风机输出功率对谐振点阻抗幅值的影响;最后,通过仿真验证理论分析的准确性。     

风电场电能质量监测及风机功率特性曲线修正分析

随着风力发电量在电网中所占比例的快速增加,对风电场电能质量监测和传统风机功率特性曲线的修正变得越来越重要。电能质量特性监测和评估方法是：通过对电压允许偏差、谐波、三相不平衡度及电压闪变等方面的分析,结合相关标准进行评估;风机功率特性曲线的修正方法是：利用风能可利用率曲线与功率特性曲线的关系,通过校准风能可利用率曲线来校准功率特性曲线。     

基于特征融合的风机叶片表面缺陷检测模型

针对风机叶片表面缺陷检测识别率低、且易受光照影响的特点。提出一种基于卷积神经网络特征融合局部二值模式特征及核极限学习机的风机叶片表面缺陷检测方法。利用引入注意力机制的卷积神经网络提取图像深层次信息,然后提取描述图像浅层纹理信息的局部二值模式特征,采用主成分分析方法降低局部二值模式特征维度;将两种从不同层面描述图像的互补特征串行融合。用改进的麻雀搜索算法优化核极限学习机参数,利用融合的特征训练模型,得到最优模型进行缺陷识别。通过实验,在自建数据集训练后的分类准确率达到了97.5%,kappa系数达到95.1。相比利用单一特征检测,分类准确率有明显的提高。经风电场实际验证,本模型的平均分类准确率为96.3%,Kappa系数为94.5,漏报率明显降低。     

基于功率参考值波动的风机控制策略改进

针对风电机组外部功率参考值下降时风机安全控制策略问题,以变速恒频风电机组为对象,在常规控制策略基础上提出了一种改进控制策略,并通过Simulink模型对不同控制策略下的仿真结果进行了对比和分析。结果表明:通过调节桨距角的改进控制策略能够更好地适应机组故障等情况,可降低机械转矩和电磁力矩震荡,保证机组安全运行。     

基于混合半云模型的风速-功率曲线建模方法

风速-功率曲线的准确建模是风电机组出力态势评估和风电功率预测的关键基础之一。计及风电映射关系的不确定性及功率曲线的分布形态,提出一种基于混合半云模型的建模策略来实现对风功率数据固有和随机分布特征的挖掘和建模。引入最优组内云熵算法快速有效地剔除异常数据;采用逆向云发生器求取期望、熵与超熵数字特征来定量刻画风速-功率对应关系的不确定性,构建腰部数据的半云模型;通过X条件云发生器和正向云发生器分别求取腰部和上部数据的功率云滴,实现定性数字特征向定量数据的转换。以中国东北某大型风电场的实测数据为例,从数据质量、频率分布和风功率预测等维度分析混合半云模型,验证了所提方法的可行性。     

基于神经网络的异常用电检测算法模型研究

电力行业大数据中蕴含了大量的事件信息,对于电力公司而言,挖掘其中的异常用电数据具有重大意义,目前的异常用电检测方法效率并不高,寻找一种高效准确的方法已成为电力行业亟待解决的问题。文章提出了基于神经网络的异常用电检测模型,利用有监督的多隐藏层的神经网络算法,对大量用户数据进行模型训练,可用于自动检测用户用电量是否正常,筛选出异常用户,为电力公司的现场核查工作提供指导,提高了异常用电情况发现的效率和查处的命中率。     

基于改进K-means聚类的变压器异常状态识别模型

为有效利用变压器历史正常数据识别变压器是否异常,文章提出了基于改进K-means聚类的变压器异常状态识别模型。针对变压器绝大部分运行数据为正常数据,且正常数据逐渐按一定的趋势变化以及异常状态数据变化急剧等特点,基于历史正常数据与K-means算法建立变压器异常状态识别模型。根据对正常数据聚类的结果确定用于识别新数据的各个阈值,通过计算新数据到各聚类中心的距离并与各阈值对比确认变压器是否异常。同时针对传统K-means算法的缺点,对K-means算法进行基于密度与距离选择K值与初始聚类中心的改进,使K-means算法有稳定的K值与聚类中心,聚类过程更加快速、稳定、有效,从而使识别模型计算得到的阈值更可靠。实例分析表明,模型能有效对变压器的异常状态进行快速、准确的识别,为变压器状态评估提供一种新思路。