[发明专利]一种基于数据建模的风电叶片结冰推测方法

说明书

本发明为一种基于数据建模的风电叶片结冰推测方法，包括数据收集、数据预处理、结冰状态标注、训练集和验证集划分、构建特征、建立预测未来结冰模型、建立推测当下结冰模型和模型验证，该方法通过对已知风力发电站运行参数和风电叶片历史结冰信息进行处理，得出每台风力发电机的特征值和结冰标签，再根据特征值和结冰标签获得预测未来结冰模型，之后根据预测未来结冰模型输出结果、特征值及叶片结冰信息获得推测当下结冰模型。本发明的优点是：采用风力发电机组实时运行参数进行建模和预测，成本低、效率高、解释性强；以当前数据预测未来结冰状态，再根据当前数据和未来结冰状态推测当下结冰状态，增强了模型对于结冰变化趋势敏感程度。

技术领域

本发明涉及风力发电领域，尤其涉及一种基于数据建模的风电叶片结冰推测方法。

背景技术

风电机组叶片结冰是风电领域的一个全球范围难题。结冰的主要威胁是发电性能下降、结构过载、运维安全。虽然部分风电机组配备了结冰传感器和自动除冰系统，仍需要对结冰的早期过程进行精确预测，以便能够尽早开启除冰系统。对结冰过程的准确预测，可以有效提升除冰效率，减少发电损失和降低运行风险。

受成本和安装难度限制，部分风电机组没有配置结冰转感器，这使得控制室无法实时获取所有风电机组的叶片结冰状态，从而导致无法及时对风电机组叶片进行除冰。

发明内容

本发明主要解决了上述问题，提供了通过数据建模预测未来结冰状态再通过未来结冰状态推测当下结冰概率的一种基于数据建模的风电叶片结冰推测方法。

本发明解决其技术问题所采用的技术方案是,一种基于数据建模的风电叶片结冰推测方法，包括以下步骤：

S1：收集数据：收集多台风力发电机组的实时运行参数及风电叶片结冰信息；

S2：数据预处理；

S3：结冰状态标注：根据各个时段内各个发电机组风电叶片的结冰信息标注结冰状态标签；

S4：训练集和验证集划分：在每台风力发电机组收集的数据中选取一个时间段内数据作为的样本，将多个样本划分为训练集和验证集；

S5：构建特征：根据每台风力发电机的实时运行参数获得功率残差特征、温度差值特征和加速度矢量合成特征；

S6：建立预测未来结冰模型：给训练集内各组数据标注未来结冰标签，以步骤S5中三个特征为输入，未来结冰标签为输出建立预测未来结冰模型并模型训练；

S7：建立推测当下结冰模型：以步骤S5中三个特征及预测未来结冰模型的输出为输入，当下结冰标签为输出建立推测当下结冰模型并模型训练

S8：模型验证：采用验证集对持久化推测模型进行验证并采用机器学习性能指标评价模型。

本发明通过对已知风力发电站运行参数和风电叶片历史结冰信息进行处理，得出每台风力发电机的特征值和结冰标签，再根据特征值和结冰标签获得预测未来结冰模型，之后根据预测未来结冰模型输出结果、特征值及叶片结冰信息获得推测当下结冰模型。

作为上述方案的一种优选方案，所述的实时运行参数包括机组运行状态、风速、功率、机舱温度、环境温度、机舱前后和左右加速度信息。

作为上述方案的一种优选方案，所述的步骤S2中的数据预处理包括以下步骤：

S01：根据风力发电机组的机组运行状态筛选出处于正常发电状态的风力发电机组；

S02：判断筛选出的风力发电机组的数据在各个时刻的值域范围；

S03：剔除离群数据；

S04：根据时间轴线性插补剔除的数据。