基于运行数据和高斯过程回归的风电机组发电性能分析与监测

采用SCADA运行数据,结合风电机组的运行原理,详细分析了对发电性能有密切影响的因素,包括环境因素及机组各个子部件如变桨系统、偏航系统、控制系统的运行状态。采用适合风电机组运行数据强随机性和高噪声特点的高斯过程回归方法建立了发电性能模型。该模型表征了机组发电性能正常时风能利用系数与其影响因素之间的复杂关系,将实时运行数据作为发电性能模型输入,通过分析模型预测残差能够实时监测风电机组发电性能的异常变化。通过风电场实际运行数据仿真,验证了所提方法的可行性。     

风电机组偏航系统故障诊断与寿命预测综述

故障诊断与寿命预测技术是掌握偏航系统故障类型、位置、严重程度及剩余寿命的有效手段,对优化运维检修策略、减少运维费用和发电量损失有重要作用。该文中综述了偏航系统故障诊断与寿命预测研究现状,首先,介绍偏航系统常见故障模式和状态监测数据来源与特点;其次,分别评述基于模型和基于数据驱动的偏航系统故障诊断方法研究现状;再次,重点从理论寿命计算和基于有限元分析的寿命预测两方面,对偏航系统部件(如偏航轴承、制动缸和制动摩擦片等)的寿命预测研究现状进行综述;最后,从偏航系统状态监测数据分析、故障诊断、寿命预测和寿命管理等方面提出研究要点及趋势。     

基于最佳叶尖速比的风电机组静态偏航 误差分析及检测方法

风电机组的偏航误差降低风能利用率,危害机组运行安全。风向传感器零点偏移角是风轮轴线和传感器零点之间的夹角,其使风轮不能完全对风,造成风电机组的静态偏航误差。提出基于最佳叶尖速比的功率趋势分析方法,检测风电机组的静态偏航误差。先由输出功率曲线确定机组运行于最大风能捕获模式的风速区间,再结合叶尖速比曲线确定该模式下的最佳叶尖速比风速区间。建立了二维累加功率模型,将SCADA系统的输出功率数据先后按照偏航角和风速两个维度累加,得到各风速区间内输出功率随偏航角变化的曲线。根据空气动力学贝兹理论,在最佳叶尖速比风速区间内,输出功率最优值对应的偏航角等于风向传感器零点偏移角。利用激光雷达测风仪在冀北风电场进行实际测试,结果验证了功率趋势分析方法具有较高的误差检测精度,也说明了选择最佳叶尖速比区间的必要性。     

基于变论域模糊控制的大型风电机组偏航系统

风力发电在解决能源和环境问题上的积极意义,使其成为增长速度最快的绿色能源之一。偏航控制是大型风力发电机组的热门研究课题,偏航系统是典型的非线性、时变系统,常存在较大程度的参数变化和大时变负载与干扰。本文提出一种变论域模糊偏航控制策略,将变论域模糊控制与风向标反馈控制相结合,将风向数据与功率数据进行迅速的对比识别处理,来实现变论域模糊控制参数自整定和控制规则的自调整,提高偏航控制系统对风速扰动和参数变化的适应能力,最后进行风电机组偏航控制的仿真与实验,证明变论域模糊偏航控制具有动态响应快、抗干扰能力和鲁棒性强等优点。     

基于高斯过程回归和WiFi指纹的室内定位方法

为了提高室内定位的准确性,同时降低现场勘测的成本,提出了基于高斯过程回归和WiFi指纹的室内定位方法.首先,在离线阶段,采用高斯过程回归模型(GPR)来扩展WiFi指纹数据库,即通过对不同的GPR核函数进行训练,得到最佳的GPR预测模型,进而利用有限的已知数据预测未知区域的信号强度(RSS).然后,在指纹匹配阶段中,根...     

基于高斯过程回归和双滑动窗口残差处理的风电机组主轴状态监测

针对风电机组运行数据强随机性和高噪声的特点,采用高斯过程回归方法建立主轴正常时段的温度模型,并应用自动关联分析方法选择主轴温度模型的建模变量。为降低建模复杂程度,采用模糊核聚类方法对风电机组原始运行数据进行筛选,消除冗余信息,构造紧凑有效的建模样本集。当主轴发生故障时,模型的输入观测向量发生异常变化,导致模型预测残差发生明显改变。为提高主轴异常预警的灵敏度和可靠性,采用基于莱依特准则的双滑动窗口对预测残差序列进行实时的统计分析,如果残差均值或标准差超出设定的故障报警阈值,则发出报警信息。某风电机组主轴的实际运行数据验证了所提方法的有效性。     

基于高斯过程回归的电池容量预测模型

为了更好地对电池健康状况和使用寿命进行预测,为装备保养维修提供更为详尽的决策依据,针对电池动态、时变、非线性的系统特点,提出了一种基于高斯过程回归的电池容量预测模型。基于不同的核函数对电池容量进行回归预测,同时对比了灰色模型和神经网络模型的预测效果。仿真结果表明:高斯过程回归模型的预测效果要优于其他模型的预测效果;对于电池容量的预测,平方指数协方差函数和二次有理协方差函数的组合模型可以取得良好的预测结果,预测误差下降了31.157%。     

风电机组偏航制动器断裂螺栓取出器的设计与应用

介绍了风电机组偏航制动系统的工作原理,对偏航制动器螺栓断裂原因及危害进行了分析。针对目前风电机组偏航制动器断裂螺栓取出难度大的问题,设计了风电机组偏航制动器断裂螺栓取出器,通过断裂螺栓取出器台钻和断裂螺栓中心定位器配合使用,能够有效解决断裂螺栓取出困难的问题。将断裂螺栓取出器在内蒙古恒润新能源有限责任公司恒润风电场进行了现场应用,效果良好。     

基于WKFCM⁃SMOTE和随机森林的风电机组故障诊断

针对风电机组运行数据中故障数据占比小,不平衡数据集影响故障诊断精度与诊断结果的问题,提出一种基于加权模糊核C均值(Weighted Kernel Fuzzy C?means,WKFCM)算法改进的合成少数类过采样技术(Synthetic Minority Overs?ampling Technique,SMOTE)算法...     

基于深度高斯过程回归的视频异常事件检测方法

针对现有异常检测方法忽视异常事件发生概率小而造成虚警这个问题,基于高斯过程回归(GPR)的框架,将GPR核函数非参数化所具有的灵活性与深度神经网络的结构特性相结合,并将卷积神经网络封装在GPR的核函数中,以同时实现异常检测任务中特征提取和检测两个步骤.在测试阶段,相对于训练样本集的后验概率的对数似然较小的被判定为异常....     

基于SCADA和支持向量回归的风电机组状态在线评估方法

为提高风电机组并网运行的实时可靠性、优化机组维修策略、降低风力发电成本,有必要充分考虑风电机组各部件或子系统之间的相互作用和耦合关系。利用数据挖掘技术,建立了一个针对风电机组整体运行状态的在线评估模型。首先,分析了数据采集与监控(SCADA)报警系统的不足,提出了基于回归预测模型和SCADA报警系统相配合的鲁棒性更强的在线评估方案;其次,对评估方案中的回归预测模型进行了详细说明,建立了以SCADA系统的部分监测项目为输入量、以风电机组有功功率为输出量的基于支持向量回归(SVR)算法的回归预测模型。最后,利用某风电场的实测数据对所提出的在线评估模型进行了验证,结果证明了此方法的可行性。     

基于改进高斯过程回归的短期负荷概率区间预测方法

电力市场改革和分布式能源的并网给电网的运行和规划带来了许多不确定性的因素。为获取更准确、更综合的电力负荷预测值信息,提出一种基于K-means特征提取和改进高斯过程回归的短期负荷概率区间预测方法。首先利用历史负荷数据建立候选特征集,然后通过K-means的特征提取方法先对候选特征集进行分类,再利用K邻域内特征变量之间的互信息来选取负荷最优特征子集,并实时更新最优特征子集。为了准确捕捉电力负荷的时变特性,利用改进的高斯过程回归算法进行电力负荷概率区间预测,主要包括动态更新超参数和滑动窗更新训练样本集两个部分。实例表明,所提方法相比分位回归、高斯过程回归而言预测精度更好,所形成的预测区间具有更窄的区间宽度和更高的覆盖率,能为电力系统的运行规划提供更全面、更有效的负荷信息。     

基于高斯过程回归的电网运行方式快速置信评价

高比例新能源接入使得电网运行不确定性增加、运行方式调整更频繁、评价指标更多。然而,复杂关联的多维指标随运行方式而变化,仅依靠人工已难以准确把握运行方式的优劣,且重复的安全校核易导致评价指标计算缓慢。因此,为提升运行方式调整效率,快速、准确的运行方式评价十分必要。首先,从安全性、稳定性、经济性3个维度提取基于电压-无功直流潮流、暂态稳定评估等计算的指标;然后,通过熵权-模糊层次分析法对多维指标进行融合标定,增强运行方式评价的可观性;最后,为实现运行方式快速评价,引入具备置信解析度的高斯过程回归来构建评价模型。采用改进的IEEE 39节点系统与中国西北某省级电网进行验证,结果表明所提方法能快速、准确、灵活地评价运行方式,可在运行方式编制过程中提供快速调整反馈结果,辅助提升运行方式的编制效率。     

基于传感器网络与高斯过程回归的楼宇负荷预测

建筑电力能耗的准确预测不仅对配电网运行的经济性和安全性具有重要作用,而且对建筑节能方案的制定也有参考意义。由于楼宇负荷受多种因素的影响,预测精度难以大幅提高。为了提高楼宇负荷预测的准确度,提出了基于传感器网络与高斯过程回归的楼宇负荷预测方法。首先,通过基于超宽频雷达的人员存在检测传感器网络对室内的建筑占有率进行检测,并将建筑占有率作为负荷预测模型的特征之一。其次,构建高斯过程回归模型,利用其拟合出负荷与相关影响因素的非线性函数,并基于采样的近似推断算法推断出模型的超参数最大后验估计值,进而提高短期负荷预测准确度。最后,通过对比不同协方差函数的高斯过程回归模型的预测效果,甄别出最优协方差函数,进一步提高预测精度。通过算例分析可知:采用所提方法比未考虑建筑占有率的传统高斯过程回归方法的平均绝对百分比误差降低了9.68%,验证了所提方法的有效性和准确性。     

基于高斯过程回归的谐波源不确定性通用模型

可再生能源和规模化电力电子设备的大量并网使得谐波源的行为分析和模型构建愈加困难,现有的模型均为精确值估计,难以充分反映未考虑到的物理因素对谐波源特性的不确定性影响,且通用性、自适应能力有限。针对上述问题,文中提出一种基于高斯过程回归的谐波源不确定性通用模型。首先,将谐波源谐波电流、电压之间的线性依赖关系内嵌至高斯过程的均值函数;其次,选取合适的协方差函数来体现谐波源在不同工作条件下谐波性质的相似程度;再次,用极大似然法求解模型参数,对谐波电流进行区间预测;最后,针对模型无法反映谐波特性动态变化的问题,提出一种模型在线更新策略,使得模型能够准确跟踪监测对象的谐波特性。通过实测电弧炉数据、12脉波整流装置及含多谐波源复杂网络的仿真数据验证方法用于单谐波源和复杂多谐波源建模的可行性。算例结果表明,所提方法能够反映谐波特性的不确定性行为,能够跟踪谐波特性的变化,且具有精度高、通用性强等特点。     

基于变量选择与高斯过程回归的短期负荷预测

提高短期电力负荷预测精度是保障电网安全稳定运行的技术措施之一,通过选取影响负荷的最优输入变量集合,建立高斯过程回归(Gaussian process regression,GPR)短期负荷预测模型。负荷预测建模输入变量的选取对预测精度有很大影响,首先采用随机森林(random forest,RF)算法给出输入变量重要性评分(variable importance measure,VIM),并对各输入变量影响程度进行排序,基于序列前向搜索策略确定最优输入变量集合,避免人工经验选取的不足。其次针对共轭梯度(conjugate gradient,CG)法求解高斯过程回归模型超参数时易陷入局部最优解,且存在优化性能依赖于初值选取、迭代次数难以确定的问题,采用改进粒子群优化(particle swarm optimization,PSO)算法搜索模型超参数,形成优化高斯过程回归预测模型。最后,算例测试表明该模型的有效性。     

基于状态监测的风电机组主轴承早期故障预测方法

利用风电机组实时监测数据来研究主轴承温度与其潜在故障之间的关系,提出一种基于温度预测模型的风电机组主轴承在线故障预测方法。首先建立正常运行状况下主轴承温度的线性回归分析预测模型,提出可表示系统实际运行状态和预测状态之间偏差的判别函数,通过比较判别函数值与设定门槛值来监控主轴承的运行状态。理论分析和仿真结果表明,该方法所用模型鲁棒性好,提取的故障特征明显,可有效地预测在线风电机组主轴承潜在的故障。     

基于高斯过程回归的电动汽车集群灵活性的概率预测

电动汽车（electric vehicle,EV）是重要的新型可调节负荷资源,预测其灵活性是实施优化调控的重要前提。首先,提出基于EV正常充电会话数据推断集群充电可行域的方法,形成关于EV集群调节灵活性的历史数据集。随后,针对充电负荷的高随机性特点,提出基于高斯过程回归的EV集群灵活性的概率预测方法。所得到的概率预测结果可用于建立EV集群运行优化问题的机会约束,并转换为特定置信度下的确定性约束。最后,利用实际充电数据进行仿真验证,结果表明,所提方法能从电量和功率两个方面比较准确的预测EV集群的充电灵活性;通过调整置信度,能够在对EV集群优化调度时权衡经济性和优化结果的可实施性。     

基于高斯过程回归的工业用户需求响应潜力评估方法

精确的用户需求响应潜力评估有助于电力公司或者负荷聚合商合理调用需求侧资源,提高需求响应的实施成效,以及降低电力系统的负荷峰谷差。在此背景下,针对用电容量大且负荷规律性强的工业用户,提出了一种基于高斯过程回归的需求响应潜力评估方法。首先,构建了基于时序分解算法的工业用户负荷分解模型,并提出了负荷趋势性和周期性分量的可中断负荷特征提取方法以及工业用户的需求响应意愿特征提取方法;然后,基于提取的特征,构建了基于高斯过程回归的工业用户需求响应潜力评估模型;最后,以浙江省工业用户的实际需求响应数据为例,对所提需求响应潜力评估方法的有效性进行验证。仿真结果表明所提方法可以较为准确地评估工业用户的需求响应潜力,为电力公司或者负荷聚合商制定需求响应方案提供参考。     

基于相空间重构和高斯过程回归的短期负荷预测

基于负荷时间序列的混沌特性,提出了一种结合相空间重构(PSR)和高斯过程回归(GPR)的短期负荷预测方法。首先采用C-C方法确定时间序列的延迟时间和嵌入维度,分别建立单变量和多变量的相空间重构模型。然后,分别运用单一与组合核函数的GP模型对负荷样本进行训练,根据最优超参数对24 h的日负荷进行预测。最后将预测结果与支持向量机模型以及多变量GP模型进行比较。结果显示,多变量组合核函数GP模型取得了更好的预测结果,验证了所提出的基于PSR和GPR的预测方法的可行性。