[发明专利]一种风电机组功率性能异常的实时监测方法及装置

说明书

本发明涉及一种风电机组功率性能异常的实时监测方法，包括步骤：获取待监测风电机组的历史运行数据及同期的所在风电场测风塔的历史数据；对待监测风电机组的历史运行数据进行清洗，剔除无效数据，保留待监测风电机组正常运行状态下的数据；并构建出表征风电机组功率性能的多维特征向量，将多维特征向量分为模型学习组与模型验证组。本发明的有益效果是：本发明在对发电功率量化评估上更加准确有效，且在建立预测模型时不仅考虑了风电机组本身的运行数据，还考虑了测风塔处的数据，显著提高了模型的预测精度。能够实现对风电机组发电性能进实时监测的目的；本发明还能够实时监测机组功率性能变化的情况。

技术领域

本发明属于风力发电技术领域，尤其涉及一种风电机组功率性能异常的实时监测方法及装置。

背景技术

风力发电作为公认的新型清洁能源，是能源结构调整中不可缺少的重要组成部分，是我国实现碳中和碳达峰目标过程中的关键环节。随着风电装机容量的不断增加以及机组投运时间的不断增长，业内对风电机组发电功率性能的监测越来越重视，风机发电功率性能的优劣直接影响着风电场的经济效益以及安全生产，因此研究一种能够实时监测风电机组发电功率性能的方法对提升发电量、延长机组使用寿命有着重要意义。

风功率曲线是表征风电机组运行性能状态的重要指标参数，目前行业内大多采用国际标准IEC61400-12中的比恩bin切片求平均值的方法得到功率曲线，该方法仅代表了测试机组在评估周期内的平均出力能力，无法准确表征特定机组在定场址环境运行中实际风功率的波动性及离散性，因此依据风功率曲线来量化评估风电机组功率性能优劣是不全面且不准确的。

发明内容

本发明的目的是克服现有技术中的不足，提供一种风电机组功率性能异常的实时监测方法及装置。

这种风电机组功率性能异常的实时监测装置，包括：数据存储单元、数据清洗单元、特征建立单元、回归预测单元和性能监测单元；其中数据存储单元电连接数据清洗单元和回归预测单元，数据清洗单元电连接特征建立单元，特征建立单元电连接回归预测单元，回归预测单元电连接性能监测单元。

这种风电机组功率性能异常的实时监测装置的工作方法，具体包括如下步骤：

步骤1、获取待监测风电机组的历史运行数据及同期的所在风电场测风塔的历史数据；

步骤2、对待监测风电机组的历史运行数据进行清洗，剔除无效数据，保留待监测风电机组正常运行状态下的数据；并构建出表征风电机组功率性能的多维特征向量，将多维特征向量分为模型学习组与模型验证组；

步骤2.1、清洗待监测风电机组的历史运行数据；

步骤2.2、采取MDCA密度聚类算法，对经过步骤2.1清洗后的待监测风电机组的历史运行数据进行深度清洗，剔除异常噪声点；

步骤3、将多维特征向量中的模型学习组输入随机森林回归算法，建立风电机组的发电功率预测模型；采用模型验证组对发电功率回归预测模型的精度进行验证；若发电功率回归预测模型的精度达标，则执行步骤4；若发电功率回归预测模型的精度不达标，则获取更多的历史运行数据，建立表征性强的特征变量，修改随机森林回归算法的超参数后，对发电功率回归预测模型进行重新学习训练；

步骤4、获取风电机组的实时运行数据，将风电机组的实时运行数据输入发电功率回归预测模型，得到风电机组的预测功率，并计算风电机组的预测功率与风电机组实际发电功率之间的偏差：

偏差＝预测功率-实际功率

计算风电机组的预测功率与风电机组实际发电功率之间偏差的时域特征统计量；其中风电机组实际发电功率与预测功率偏差值的时域统计特征量包括：最大值、均值、均方根值、方差和标准差；