[发明专利]风力发电机组的聚类方法和设备

说明书

技术领域

本发明涉及风力发电领域。更具体地讲，涉及一种风力发电机组的聚类方法和设备。

背景技术

随着风电行业的快速发展，风电场的建设已经从平坦地形扩展到复杂地形，传统的以整个风电场为一个簇采用统一的标准或指标评估风电场中各个机组的运行状态或出力状况已经不符合实际情况。因为在复杂地形条件下，在相同的机组配置参数下，由于不同风力发电机组间的运行环境与运行状态各有差异，如果此时用同一标准推测整个风场的其他风力发电组也存在同样的运行状态或潜在故障则不合理。

在现有的风力发电机组的聚类方法中，一般从构建机组等值模型出发，以求用更少的模型表征整个风电场的某些特性，模型输入单一，无法适应复杂环境中的风力发电机组聚类分析。因此，现有的风力发电机组的聚类方法不够合理，聚类结果不够准确。

发明内容

本发明的目的在于提供一种更加有效和准确的风力发电机组的聚类方法和设备，以解决现有的聚类方法中存在理的问题。

根据本发明的一方面，提供一种风力发电机组的聚类方法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。

可选地，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。

可选地，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。

可选地，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。

可选地，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。

可选地，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。

可选地，所述运行数据包括预定时间段的桨距角数据。

可选地，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。

可选地，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。

可选地，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。

可选地，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。

可选地，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。

可选地，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。

可选地，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。