[发明专利]一种基于多机组协同的并网风电机组健康状态评估方法

说明书

本发明涉及一种基于多机组协同的并网风电机组健康状态评估方法，属于大功率风电机组状态监测技术领域。该方法包括：S1：从风电机组SCADA监测特征量中提取评估指标，结合评估指标预警阈值计算出评估指标劣化度；S2：确定各评估指标的常权权重，结合评估指标劣化度确定各个评估指标的变权权重；并采用加权相加方法计算得到单台风电机组的劣化指数；S3：采用多机组协同思想，利用四分位法对风电场内的风电机组劣化指数进行划分，确定各个风电机组的健康状态。本发明提高了风电机组健康状态评估的准确度，为风电场智能运维和健康管理提供技术支撑，对减少风电机组运维费用和确保并网风电机组高效、可靠、安全运行具有重要的应用价值。

技术领域

本发明属于大功率风电机组状态监测技术领域，涉及一种基于多机组协同的并网风电机组健康状态评估方法。

背景技术

与传统火电、水电机组相比，风电机组在高空运行，是多部件协同工作且关联性强的复杂系统，监测特征量类型和数量众多，当机组发生异常引起状态改变时，往往不仅仅只引起一个监测特征量改变，相关的特征量都会存在不同程度的变化。但受风速大小和风向的不确定性影响及变速恒频发电控制的约束，运行状态通常在不同工况之间随机频繁切换，各类特征量随机波动范围较宽，难以直接识别出其异常改变情况，很有必要寻求一种能充分利用多类特征量监测信息的风电机组健康状态评估方法。

目前，国内外对风电机组整机的状态评估方法主要有模糊综合评判，物元理论，云理论和证据推理等。例如，有研究通过工程设计和检修记录，并结合风电机组故障率的统计数据对各评估指标常权权重进行设定，在利用模糊综合评判方法开展整机健康状态评估时，考虑了评估指标的劣化度改变对整机健康状态的影响，引入变权公式在常权权重的基础上综合协调获得各评估指标的变权权重。另外，当评估指标较多时，分配给单个评估指标的权重就相对越小，加上风速随机变化对各评估指标的不确定影响，当单个或几个评估指标劣化时，可能导致反映整机健康评估指标状态信息受多数不变或浮动变化较小的评估指标状态信息影响而被淹没，出现与机组实际健康状态不相符或相悖的评估结果。证据理论是处理多类证据信息融合问题的不确定性推理方法之一，每个评估指标将被看作为一个证据体，可在不依赖于权重确定情况下，处理随机性和模糊性导致的不确定性问题。然而，在多个证据体参与评估时，证据信息的不一致性凸显，难免在证据体间信息出现高冲突现象，直接采用证据推理评估方法，可能得到与实际情况不符的评估结果。需要特别指出的是，现有的整机健康状态评估方法多是以自身监测数据来建立单台风电机组自身的健康状态模型，因为缺少一个有效的健康状态评估参照机组，难免使得风电机组健康状态评估结果不够准确。

发明内容

有鉴于此，本发明的目的在于提供一种基于多机组协同的并网风电机组健康状态评估方法，考虑同一个风电场的多个风电机组所处地理位置相似或相近且运行环境和风资源相关强特点，采用多机组协同思想，将多台机组运行状态进行横向对比分析，将机组间运行状态进行相对参照，以获得准确有效的风电机组健康状态评估结果。

为达到上述目的，本发明提供如下技术方案：

一种基于多机组协同的并网风电机组健康状态评估方法，具体包括以下步骤：

S1：从风电机组SCADA监测特征量中提取评估指标，结合评估指标预警阈值计算出评估指标劣化度；

S2：确定各评估指标的常权权重，结合评估指标劣化度确定各个评估指标的变权权重；并采用加权相加方法计算得到单台风电机组的劣化指数；

S3：采用多机组协同思想，利用四分位法对风电场内的风电机组劣化指数进行划分，确定各个风电机组的健康状态。