[发明专利]风力发电机组的聚类方法和设备

权利要求书

1.一种风力发电机组的聚类方法，其特征在于，所述聚类方法包括如下步骤：

获取风电场中的每台风力发电机组的数据；

提取所述每台风力发电机组的数据中的预定数据，以形成每台风力发电机组的数据集合，其中，所述预定数据包括：每台风力发电机组的控制参数数据、地理位置数据、环境数据和运行数据中的至少两种数据；

通过聚类算法对风电场中的所有风力发电机组的数据集合进行聚类，以实现对风力发电机组的聚类。

2.根据权利要求1所述的聚类方法，其特征在于，所述控制参数数据包括以下参数中的至少一种参数：控制器关键参数、机组滤波器参数和机组配置参数。

3.根据权利要求2所述的聚类方法，其特征在于，所述控制参数数据通过获取每个风力发电机组的机组初始化文件的版本号来获取，

其中，所述机组初始化文件的版本号中包括用于指示所述控制参数数据的字符。

4.根据权利要求3所述的聚类方法，其特征在于，当所述预定数据包括所述控制参数数据时，对所述预定数据进行预处理，具体包括：对所述版本号进行编码以得到作为数据集合的数据。

5.根据权利要求1所述的聚类方法，其特征在于，所述环境数据包括预定时间段的风资源数据、环境湿度和/或环境温度。

6.根据权利要求5所述的聚类方法，其特征在于，所述预定时间段的风资源数据包括预定时间段的风速，

其中，当所述预定数据包括所述预定时间段的风资源数据时，对所述风资源数据进行预处理，具体包括：根据预定时间段的风速计算得到预定时间段内各个风速的出现次数以及各个风速的湍流强度，以作为数据集合的数据。

7.根据权利要求1所述的聚类方法，其特征在于，所述运行数据包括预定时间段的桨距角数据。

8.根据权利要求7所述的聚类方法，其特征在于，当所述预定数据包括所述运行数据时，对运行数据进行预处理，具体包括：根据预定时间段的桨距角数据计算得到预定时间段内各个桨距角的出现次数，以作为数据集合的数据。

9.根据权利要求1所述的聚类方法，其特征在于，在将所有风力发电机组的数据集合进行聚类的步骤之前，还包括：对每个风力发电机组的数据集合进行维数约减，

其中，通过将维数约减后的所有风力发电机组的数据集合进行聚类来对风力发电机组进行聚类。

10.根据权利要求1或9所述的聚类方法，其特征在于，所述聚类方法还包括：验证所有风力发电机组的数据集合之间是否存在本征簇，

其中，当存在本征簇时，将所有风力发电机组的数据集合进行聚类。

11.根据权利要求10所述的聚类方法，其特征在于，在验证本征簇的步骤中采用霍普金斯统计方法验证所有风力发电机组的数据集合之间是否存在本征簇，

其中，当霍普金斯统计结果小于预定阈值时，存在本征簇。

12.根据权利要求9所述的聚类方法，其特征在于，通过聚类算法对风电场中的所有风力发电机组的数据集合进行聚类的步骤包括：

确定用于聚类的最优聚类个数和用于聚类的最优聚类中心；

根据确定的用于聚类的最优聚类个数和用于聚类的最优聚类中心，将所有风力发电机组的数据集合进行聚类。

13.根据权利要求12所述的聚类方法，其特征在于，确定用于聚类的最优聚类个数和最优聚类中心的步骤包括：

设置最大聚类个数和最小聚类个数；

将所有风力发电机组的数据集合进行预定次数的聚类循环，得到每次聚类循环的最优聚类个数以及最优聚类中心，其中，在每次聚类循环中，分别根据最小聚类个数至最大聚类个数之间的每个聚类个数，对所有风力发电机组的数据集合进行聚类，得到每个聚类个数对应的聚类结果以及聚类中心，评价每个聚类个数对应的聚类结果，将聚类结果最好的聚类个数作为每次聚类循环的最优聚类个数；

确定预定次数的聚类循环中最优聚类个数的众数，并将确定的众数作为用于聚类的最优聚类个数，以及将确定的众数对应的多个聚类循环中聚类结果最好的最优聚类中心作为用于聚类的最优聚类中心。

14.根据权利要求1所述的聚类方法，其特征在于，采用改进的K均值算法对所有风力发电机组的数据集合进行聚类，其中，所述改进的K均值算法将距离最远的样本作为初始聚类中心。