[发明专利]一种基于多维度SCADA数据评估风电机组健康状态评估方法

摘要

本发明公开了一种基于多维度SCADA数据评估风电机组健康状态评估方法，针对传统方法对于风电机组健康状态评估所用参数较为单一，导致评估不全面的问题，提取表征机组退化信息的多个特征参数。该方法通过经验Copula函数计算SCADA系统中参数间的互信息，互信息的大小可反映出此参数影响风机性能的程度。将互信息数值大的参数作为健康评估的对象，相比传统方法将风功率曲线作为评估的对象，本发明对于风电机组健康状态的评估更全面、准确。在模型中引入根据风速区间划分工况的方法。并将此方法与核主成分分析结合建立基于自适应KPCA的风电机组健康状态评估模型。本发明诊断结果表明该模型对风电机组健康评估结果优于传统方法的评估结果。

主权项

1.一种基于多维度SCADA数据评估风电机组健康状态评估方法，其特征在于：将SCADA采集系统中的数据分为健康样本和待评估样本两类；该方法首先将健康样本通过Copula函数计算各参数与风机健康状态的相关度并建立参数建议选择表，对参数建议选择表中参数进行异常点清除和选择，并形成健康样本集；之后，对健康样本集通过基于风速区间工况划分方法，生成全工况区间矩阵Ω＝[Ω₁,Ω₂,Ω₃,…,Ω_m]；同时，将待评估数据也根据工况子区间划分算法，生成待测数据子区间矩阵Ω′＝[Ω₁′,Ω₂′,Ω₃′,…,Ω_n′]，n<m；根据待测数据子区间工况矩阵Ω′在全工况矩阵Ω中提取对应数据，形成健康样本子区间即子模型样本；进而利用自适应核主成分分析对子模型样本进行建模，并提取主元生成风电机组健康退化评估模型；接下来，通过对待测数据计算SPE统计量和Hotelling‑T²统计量，并依据多元统计量的假设检验来判断过程中是否产生故障，SPE统计量能够实现对多变量的监控，反映了测量值对主元模型的偏离程度；Hotelling‑T'²反映了主元向量在主元模型内部中模的波动情况；在本方法中根据统计量的变化趋势实时评估风机健康状态。