基于FISSA-DBN模型的风电机组运行状态监测

为提高风电机组运行效率，降低风电场运营成本，对风电机组运行状态监测显得尤为重要，提出一种基于数据采集与监控（supervisory control and data acquisition，简称SCADA）系统和萤火虫改进麻雀搜索算法优化深度置信网络（firefly improved sparrow search algorithm optimized deep belief network，简称FISSA-DBN）的风电机组状态监测新方法。首先，对SCADA数据进行预处理分析，并利用专家系统和皮尔逊相关系数分析，相关分析选取输入参数和输出参数；其次，利用预处理数据集建立基于FISSA-DBN的风电机组运行状态监测新模型，根据模型预测值和实际输出值之间的重构值误差，以及指数加权移动平均阈值（exponentially weighted moving average，简称EWMA）判断是否有异常；最后，以华东某风电场实际数据为例进行实例验证。结果表明，所提出方法的预警时间比实际记录时间最早可提前4 d多。同时，将所提出方法与其他方法进行对比，结果表明该方法预警时间提前，模型预测误差更小。