[发明专利]一种风电机组健康预警方法

摘要

本发明涉及新能源风力发电系统领域，具体涉及一种风电机组健康预警方法，包括如下步骤：(1)风电场监控数据的采集：采集并储存风电场正常运行状态下的监控数据；(2)与风电机组输出功率相关的特征参数的选择确定；(3)风电机组功率预测模型的建立；(4)健康状态标准残差集构建；(5)实时残差集的获取；(6)风电机组健康评估预警。本发明将选择的发电机输出功率性能参数转换成一个合适的距离量度，通过此方式来反映该时间点机组的综合发电能力健康状态，该方法能够实现在机组发电运行工况下对其发电能力衰退情况进行量化评估，实用性强。

主权项

1.一种风电机组健康预警方法，其特征在于，包括如下步骤：(1)风电场监控数据的采集：采集并储存风电场正常运行状态下的监控数据；(2)与风电机组输出功率相关的特征参数的选择确定；(3)风电机组功率预测模型的建立：从步骤(1)中的监控数据中选出步骤(2)中的特征参数作为训练集输入至神经网络进行训练，经过训练后的神经网络在输入预定特征参数时，风电机组的输出功率可作为目标值输出，形成风电机组功率预测模型；(4)健康状态标准残差集构建：从步骤(1)中选取与训练集不同时间段的风电机组健康状态下的监控数据，将所述监控数据中的特征参数输入至步骤(3)中的风电机组功率预测模型，功率预测模型的输出值，即模型预测值与风电机组实际的输出功率，即风电机组实际输出值之差记为标准残差；风电机组预定的正常工作时间段内的标准残差集Ut记为Ut＝{ε(t)|ε(t)＝Yf(t)‑Ya(t),t∈(1,2…,n)}；其中，t为时间序列中的时刻点，Yf(t)为t时刻输出功率的模型预测值，Ya(t)风电机组t时刻的实际输出值，ε(t)为t时刻的元素。(5)实时残差集的获取：采集实际风电机组运行参数，利用训练好的风电机组功率预测模型得到实时功率预测值，并求取预定时间内的预测值与风电机组实测值之间的实时残差，得实时残差集；(6)风电机组健康评估预警：计算步骤(5)中的实时残差集与步骤(4)中的风电机组健康状态标准残差集之间的马氏距离，当计算得到的马氏距离大于预定值时进行预警。