[发明专利]一种基于FP-growth的风电机组振荡模态与影响因素关联分析方法

权利要求书

1.一种基于FP-growth的风电机组振荡模态与影响因素关联分析方法，其特征在于，包括：

步骤S1，采集风电机组运行时的输出功率、电压以及风速数据；

步骤S2，对采集的风电机组输出功率、电压以及风速数据进行分段；

步骤S3，采用Pony算法分析数据段包含的振荡模态；

步骤S4，使用谱聚类算法对风速、电压均值进行聚类；

步骤S5，采用FP-growth算法挖掘风速-电压聚簇与振荡模态的关联规则；

步骤S6，基于关联规则分析结果，利用风速-电压聚簇对振荡模态进行预测。

2.如权利要求1所述的一种基于FP-growth的风电机组振荡模态与影响因素关联分析方法，其特征在于，

所述步骤S1中，以M为采样频率，对风电机组运行时的输出功率、电压以及风速进行数据采集，M大于或等于100Hz。

3.如权利要求1所述的一种基于FP-growth的风电机组振荡模态与影响因素关联分析方法，其特征在于，

所述步骤S2中，依据风速变化幅度对采集的风电机组输出功率、电压以及风速数据进行分段。

4.如权利要求3所述的一种基于FP-growth的风电机组振荡模态与影响因素关联分析方法，其特征在于，

所述步骤S2中，依据风速变化幅度对采集的风电机组输出功率、电压以及风速数据进行分段的步骤，具体包括：

步骤S201，创建一个数据段，顺序读取风速值，并将风速值写入该数据段，当数据段内的风速变化大于δ时，对该数据段进行保存，δ为风速变化阈值；

步骤S202、新建下一个数据段，继续读取风速数据，重复步骤S201中的风速变化判断条件，直至所有数据均被读取完毕，共得到N组风速数据；

步骤S203、将输出功率数据、电压数据与风速数据对齐，按照风速数据的划分方式，将输出功率数据和电压数据同样划分为N段，得到输出功率数据段{P₁,P₂,…,P_N}、电压数据段{U₁,U₂,…,U_N}和风速数据段{W₁,W₂,…,W_N}。

5.如权利要求4所述的一种基于FP-growth的风电机组振荡模态与影响因素关联分析方法，其特征在于，设置所述风速变化阈值δ为0.05m/s。

6.如权利要求1所述的一种基于FP-growth的风电机组振荡模态与影响因素关联分析方法，其特征在于，

所述步骤S3中，采用Pony算法对每一段输出功率数据进行信号分解，得到该输出功率数据段包含的振荡模态。