[发明专利]基于贝叶斯网的动态概权风电机组运行状态综合评估方法

说明书

基于贝叶斯网的动态概权风电机组运行状态综合评估方法，利用scada数据确定风电机组状态评估参数向量，对风电机组故障模式进行分类。构建三层贝叶斯网络描述风电机组运行参数向量和故障因果关系，确定贝叶斯网络参数向量的先验分布，通过风电机组经验知识确定乘积狄利克雷分布的超参数。确定贝叶斯网络参数的后验概率分布。计算贝叶斯网络中各节点在其父节点不同状态下的条件概率分布。根据风电机组运行状态综合评估的动态概权，对风电机组运行状态进行综合评估。本发明实现了对风电机组运行状态的快速有效的评估，提前发现设备的异常和劣化趋势，实现预测性维修，有效地避免故障发生，减少经济损失，提高风电场的经济性和安全性。

技术领域

本发明涉及风电机组状态评估方法，具体涉及一种基于贝叶斯网的动态概权风电机组运行状态综合评估方法。

背景技术

风力发电作为一种清洁环保、最具可开发性的新能源发电方式，对于改善生态环境和缓解电力供应紧张的形势有着十分重要的意义。随着风力发电的快速发展，高昂的风电机组的管理维护费用与状态评估等问题也日益突出。据统计，陆上风电机组的运维费用约占10％-15％。海上风电场由于其运行环境更加特殊，对技术要求更为苛刻，维护费用高达20％-25％。高昂的机组维护费用很重要的原因是风电场采用“定期维修”和“事故维修”的原则进行维护作业，而不是通过对机组进行综合状态评估，采取预测性运行维护，最终造成巨大经济损失。

数据采集与监控(scada)系统是一种应用广泛的风电机组状态监测系统，主要功能有数据采集、风机监控、参数调节以及各类信号报警灯，能够为研究风电场提供实时数据和报警信息。但是，现有的scada系统大多缺乏有效的系统状态评估算法，无法判定风电机组整体的运行状态，只有当采样数据越限时，才能给出相应部位的报警信息，导致事故已经发生并造成了实际损失，而没有起到预测性维修作用。

目前已经有学者研究基于神经网络、概率统计以及物元分析的总和关联评判等方法进行风电机组状态评估。概括起来的思路有两种，一种是从scada历史故障数据中挖掘故障信息，建立起故障识别模型，该思路需要大量的机组故障信息作为训练数据集，而实际中不可能产生如此庞大的故障数据集。一种是从scada历史数据中挖掘正常的数据信息，建立一种风电机组异常的判定模型，该思路则缺乏对机组整体运行状态进行研究，导致存在较大的判别误差。以上方法同时也存在计算量大，模型运行环境苛刻的缺点。

因此在工程实际中，如何对风电机组运行状态进行快速有效的评估，实时掌握机组的运行状态，提前预警机组故障隐患，指导预测性维修是一个亟待解决的问题，提前发现设备的异常和劣化趋势，可以避免故障发生，从而避免经济损失，提高经济性和安全性。

发明内容

为了克服和解决上述现有技术存在的不足，本发明的目的在于提供一种基于贝叶斯网的动态概权风电机组运行状态综合评估方法。

为达到上述目的，本发明所采用的技术方案是：

基于贝叶斯网的动态概权风电机组运行状态综合评估方法，包括如下步骤：

步骤1：利用scada历史运行数据，选择用于构建反映风电机组运行状态的贝叶斯网络的状态评估参数向量；

步骤2：确定风电机组的故障模式；

步骤3：对风电机组的故障模式进行分类；

步骤4：形成贝叶斯网络；

根据状态评估参数向量和风电机组的故障模式之间的因果关系，结合scada系统的历史运行数据进行统计分析，得到用于描述风电机组的故障和状态评估参数向量间的因果关系三层贝叶斯网络；

步骤5：确定贝叶斯网络参数向量先验分布；

步骤6：根据scada监控系统数据得到贝叶斯网络参数向量的似然函数；

步骤7：确定贝叶斯网络参数向量的后验概率分布；