[发明专利]基于SCADA和FISSA-DBN模型的风电机组运行状态监测方法

说明书

本发明公开了基于SCADA和FISSA‑DBN模型的风电机组运行状态监测方法，包括以下步骤：所述步骤(1)对SCADA检测风电机组运行的数据进行选择；所述步骤(2)对风电机组运行数据预处理；所述步骤(3)预测模型参数确定；所述步骤(4)对选取的输入输出参数数据，进行标准化处理；所述步骤(5)FISSA‑DBN模型拓扑结构；所述步骤(6)DBN参数优化；所述步骤(7)模型训练；所述步骤(8)预测模型应用。本发明通过根据重构误差和EWMA阈值来判断风电机组及部件是否有异常情况，FISSA‑DBN模型的预测结果与风电机组实际运行记录相吻合，预测模型发现状态异常的时间要早于实际运行记录时间，有利于风场工作人员尽早做出判断，减少不必要的损失。

技术领域

本发明涉及风电机组运行状态监测技术领域，具体为基于SCADA和FISSA-DBN模型的风电机组运行状态监测方法。

背景技术

随着国家节能减排政策的持续推进，风能作为绿色的清洁能源，发展越来越得到重视，而风电机组是实现风能转换的核心部件，其运行状态的监控显得尤为重要，考虑到风电机组通常坐落在条件恶劣、高空等环境，经常会导致发电机、变频器和各种传感器出现异常状态，然而日常的检修存在许多不便之处，因此有必要构建一个风电机组运行状态监测模型。

现有技术中风电机组运行状态监测方法存在的缺陷是：

1、专利文件CN110005580B公开了一种风电机组运行状态监测方法，“该方法包括：获取风电机组历史运行的传感器数据，所述传感器数据包括风速信号、转速信号、变桨角信号、功率信号、应变信号和振动信号；根据风速信号、转速信号、变桨角信号、功率信号、应变信号和振动信号分别构建风速、转速、变桨角、功率匹配性监测模型和转速、功率、应变、振动频谱监测模型；采集风电机组的实时运行数据，将所述风电机组的实时运行数据分别与所述风速、转速、变桨角、功率匹配性监测模型、转速、功率、应变、振动频谱监测模型进行对比，确定所述风电机组的当前运行状态。本发明提供的风电机组运行状态监测方法，既能减少风电场的维护成本，又能及时发现故障或提前预测故障”但是没有充分利用数据参数之间的关联特性，难以判断运行状态异常是由被测对象状态异常还是传感器自身状态异常所产生的，只能确定当前运行状态，不能提前实现故障的预测，不利于工作人员尽早做出判断，造成不必要的损失。

发明内容

本发明的目的在于提供基于SCADA和FISSA-DBN模型的风电机组运行状态监测方法，以解决上述背景技术中提出的问题。

为实现上述目的，本发明提供如下技术方案，基于SCADA和FISSA-DBN模型的风电机组运行状态监测方法，包括以下步骤：

所述步骤(1)对SCADA检测风电机组运行的数据进行选择；

所述步骤(2)对风电机组运行数据预处理；

所述步骤(3)预测模型参数确定；

所述步骤(4)对选取的输入输出参数数据，进行标准化处理；

所述步骤(5)FISSA-DBN模型拓扑结构；

所述步骤(6)DBN参数优化；

所述步骤(7)模型训练；

所述步骤(8)预测模型应用。

优选的，所述步骤(1)中：根据风电机组运行记录，从SCADA数据中提取风电机组的原始运行数据。

优选的，所述步骤(2)中：基于专家领域知识，从原始SCADA数据中选取总的预测模型条件参数，根据风电场事故几率进一步处理数据信息，删除原始SCADA数据中的错误数据和不必要数据。