基于实时功率曲线的风电机组出力特性研究

基于实时功率曲线对风电机组出力特性进行分析,主要通过采集风电机组风速、功率、可靠性状态、大气压力、环境温度等历史数据进行过滤修正,计算出能够反映风电机组真实出力情况的实时功率曲线,并与出质保检测功率曲线进行对比,最后结合功率一致性系数对风电机组出力特性进行评价。找出性能下降比较严重的风电机组并及时整改,进而提高风电机组的发电能力。该方法不仅能够在线评价风电机组的性能优劣,且适用于各类型风电机组,具有广阔的应用前景。     

基于曲线形态特征的地区规模化风电出力场景划分

目前多采用基于欧式距离的聚类方法对风电出力场景进行聚类划分,其结果反映时间序列曲线的幅度大小差异,而未反映曲线的形态特征及变化趋势的不同。据此,文中提出一种基于曲线形态特征的地区规模化风电出力场景划分方法。针对地区规模化风电出力时间序列曲线,定义考虑序列互相关性的“形态距离（shape-based distance,SBD）”,将其作为聚类算法的相似性度量函数,进一步给出基于形态距离的时间序列样本聚类划分过程。然后以某含规模化风电的实际地区为研究对象,提取该地区春季风电出力典型场景,并与传统K-means聚类算法的结果进行对比分析,验证所提方法的有效性。最后运用文中方法提取了该地区各个季节不同风况下的风电出力典型场景。     

基于改进降噪自编码器和多元时序聚类的海上风电功率预测

针对海上数值天气预报（NWP）精度低、气象因素复杂等特点,提出一种基于改进的双向降噪自编码器（BDAE）和多元时序聚类的短期海上风电功率预测方法。首先,利用Toeplitz矩阵逆协方差聚类（TICC）进行风况相似性分类,即根据30、70、100 m海上NWP风速进行多元序列实时分割与聚类;然后,针对不同风况类型分别建立可提取过去、未来双向有效信息的改进BDAE修正模型,以修正轮毂高度风速的预测误差;最后,基于修正后的轮毂高度风速以及其余NWP数据,利用TICC算法划分气象相似类型,并在此基础上建立对应的海上风电功率预测模型。采用国内某海上风电场数据进行实验验证,结果表明所提方法能提高海上风电功率预测精度,具有一定工程实用价值。     

基于趋势聚类与决策树的风电功率多区间复合短期预测方法

首先对如何提取风电功率的趋势特征以及建立合适的短期预测模型进行分析,进而对不同功率趋势下的预测精度展开研究.为了提高在多区间下的复合预测性能,提出一种基于趋势聚类与决策树的风电功率多区间复合短期预测方法,即在不同的功率趋势分类中,进行不同的概率估计,然后将分类估计数值复合为完整的估计结果,提高了在多复合区间条件下预测结...     

基于改进Prony变换的时频分析方法及其在海上风电结构中的应用研究

针对现行的时频分析方法（包括小波变换和希尔伯特黄变换等）在分析海上风力机的实测信号时的不足,发展一种基于改进Prony变化的短时时频分析方法,并使用风电基础结构与风电整机结构的海上实测数据验证该方法的正确性。通过与现有的几种主要使用的时频分析方法进行对比研究,对比论证新方法及传统时频分析方法在应用于海上风电结构时的实用性和可行性。     

结合C-均值聚类的自适应共振神经网络在风电机组齿轮箱故障诊断中的应用

提出了一种结合C-均值聚类的自适应共振(Adaptive Resonance Theory 2,ART2)神经网络无监督学习分类方法,用于风电机组齿轮箱设备群的故障诊断.利用某风电场齿轮箱运行数据,采用ART2神经网络对样本数据进行初步分类,再采用C-均值聚类算法对神经网络分类结果进行修正,得到最终诊断结果,并与ART2神经网络分类结果进行了比较.结果表明:所提出的方法解决了原始神经网络算法存在"硬竞争"导致分类精度下降的问题,准确度高于传统的ART2神经网络,可以准确识别出故障齿轮箱.     

基于可变聚类数k值的聚类算法在绩效考核中的应用

针对实际应用中聚类数k值可变问题,利用遗传算法的变长编码方式,设计了可变聚类数k值的聚类算法.在理论研究的基础上,把该算法应用到某高校职工绩效考核中,完成了对该校职工绩效考核的聚类实现,并对聚类结果进行分析和验证,得出一些有实际意义的结论,可为高校人事管理提供一定的参考和指导.     

基于互信息的自动聚类算法在故障诊断过程中的应用

随着热工建模过程中参数的增多,根据参数之间的相关性进行分块建模成为降低模型复杂度、提高模型监测效果的有效手段之一。因此提出了一种基于互信息的自动聚类、分块建模方法。首先,获取参数之间的互信息矩阵,在此基础之上以训练数据的平均平方预测误差最小为标准,使用谱聚类算法对参数进行自动聚类。然后,分别建立每个子块对应的主成分分析(Principle component analysis, PCA)模型,并将所有子块的建模结果通过贝叶斯理论进行融合来对多个子块模型进行统一监测。最后,采用基于最小角度回归(Least angle regressions, LARS)的故障诊断方法定位故障发生的方向和幅值。通过数学案例的验证和电厂高温再热器的实际应用,表明了所提方法在故障监测和诊断方面的有效性。     

基于膜聚类的改进极限学习机在短期负荷预测中的应用

针对历史数据样本存在无效性影响预测精度和极限学习机的输出随机性、稳定性较差的问题,提出了一种模糊膜聚类算法与改进极限学习机相结合的组合预测方法。考虑负荷自身特征、天气温度及日类型等指标,利用模糊膜聚类算法选取出与预测日具有相似特性指标的负荷数据作为负荷预测日的输入样本,运用经过粒子群算法及隐含层神经元个数遍历法改进后的极限学习机进行预测。试验结果表明,所提方法对两个地区的某日负荷进行预测时降低了预测误差,提高了短期负荷预测的准确性。     

面向海上风电开发建设的工程地质模型及应用研究

目的  加快海上风电建设和发展对促进我国能源结构调整具有重要意义,我国正迎来全海域海上风电开发浪潮,而地勘是海风开发的重要基础和关键技术。 方法  通过研究国内外海洋地勘技术并结合多年不同海域工作经验,提出一种基于一致性原则的海风工程地质模型新技术。首先,勘察设备选定及测线布置应从三维初始模型出发,评估地质变化和地面灾害对海风设计施工的影响,并充分考虑船只选型、野外原位和室内实验测试、物探和土工数据关联。然后,在可研和详勘阶段,获取钻孔及风场全区域丰富且连续的数据后,采用室内土工试验和原位测试相结合,多物探设备结合,岩土和物探方法相结合的方式对各种数据进行一致性分析、地勘数据平台管理、模型升级和建立最终模型,并在后续阶段不断优化和迭代工程地质模型。工程地质模型为海上风电场设计,安装,运维和退役全生命周期提供全面工程地质信息。 结果  研究结果和海风地勘实例表明,通过一致性综合布设和数据分析,有效连接岩土勘察和工程物探,构建立体交叉的工程地质模型能有效解决“地勘数据说不清”问题,提高地勘数据可靠性、精准性和应用度。 结论  所提新方法是海工实现降本增效的有效方法之一,也是海风地勘数字孪生的雏形和构建地勘大数据基因库的基础。