[发明专利]一种基于运行工况的风力发电机组SCADA数据分类方法及应用有效
申请号: | 201910784635.8 | 申请日: | 2019-08-23 |
公开(公告)号: | CN110533092B | 公开(公告)日: | 2022-04-22 |
发明(设计)人: | 侯成刚;张晓晓 | 申请(专利权)人: | 西安交通大学 |
主分类号: | G06K9/62 | 分类号: | G06K9/62;G06Q50/06 |
代理公司: | 西安通大专利代理有限责任公司 61200 | 代理人: | 孟大帅 |
地址: | 710049 *** | 国省代码: | 陕西;61 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 一种 基于 运行 工况 风力 发电 机组 scada 数据 分类 方法 应用 | ||
本发明公开了一种基于运行工况的风力发电机组SCADA数据分类方法及应用,包括:将风力发电机组运行工况分为停机状态、启动状态、恒转速阶段一、最佳叶尖速比阶段、恒转速阶段二、恒功率阶段和限功率发电状态;在不同的运行工况下,风力发电机组各个部件的动作状态信息不相同,各个工况之间的转换规律也有区别,分析动作状态信息和转换规律,以此作为数据分类的依据;结合对风电机组运行状态机的分析,基于运行工况进行风电SCADA数据的分类,为SCADA数据添加不同的工况标签,完成风电SCADA数据分类。本发明为解决风电SCADA数据受到机组不同工况影响的问题,提出了基于运行工况的风电SCADA数据分类方法,并在此基础上进行了机组发电量损失计算的应用。
技术领域
本发明属于风力发电机组SCADA数据分类技术领域,特别涉及一种基于运行工况的风力发电机组SCADA数据分类方法及应用。
背景技术
目前我国的风力发电产业发展迅速,现已成为全球最大的风电市场,国内风电机组的累计装机数量和每年产生的运行数据量均居世界首位,但是迅猛发展的背后,大量机组的运维问题逐渐显现。作为应用最为普遍的风电监测系统,SCADA(Supervisory ControlAnd Data Acquisition,数据采集与监视控制系统)系统采集的数据最为全面,数据成本最低,是进行风电机组运维监测的主要数据来源。但是现有的SCADA系统对数据的利用率较低,导致采集到的大量低成本历史数据未能得到有效的利用。因此提高SCADA数据的利用率对风电运维监测工作具有重要工程实用价值。由于风电机组运行工况复杂,监测参数相互耦合,导致采集的SCADA数据中包含各种不同工况信息的数据,使得数据分析工作的难度增加;而不同工况下数据的特征规律不相同,对故障的敏感性也不一样,所以需要使用合适的分类方法进行数据类别的划分。解决风电机组SCADA数据的分类问题,是进行风电数据分析工作、提高风电数据利用率的基础。
综上,亟需一种新的风力发电机组SCADA数据分类方法。
发明内容
本发明的目的在于提供一种基于运行工况的风力发电机组SCADA数据分类方法及应用,以解决风电SCADA数据受到机组不同工况影响的问题。本发明的风电SCADA数据分类方法,在对风电机组运行工况进行分析的基础上,根据不同运行工况的数据特点进行SCADA数据分类,可提升系统对数据的利用率;分类之后的数据可用于计算机组发电量损失。
为达到上述目的,本发明采用以下技术方案:
本发明的一种基于运行工况的风力发电机组SCADA数据分类方法,包括以下步骤:
步骤1,将风力发电机组运行工况分为停机状态、启动状态、恒转速阶段一、最佳叶尖速比阶段、恒转速阶段二、恒功率阶段和限功率发电状态;
在不同的运行工况下,风力发电机组各个部件的动作状态信息不相同,各个工况之间的转换规律也有区别,分析动作状态信息和转换规律,以此作为数据分类的依据;
步骤2,结合步骤1中对风电机组运行状态机的分析,基于运行工况进行风电SCADA数据的分类,为SCADA数据添加不同的工况标签,完成风电SCADA数据分类。
本发明的进一步改进在于,步骤1中,根据风力发电机组控制策略的分析,分为七个工况。
本发明的进一步改进在于,步骤2具体包括:根据步骤1中各个运行工况下的机组动作状态信息,确定各个运行工况下对应的风速范围,以及机组各个部件相关监测参数的变化情况,建立不同运行工况的专家规则,根据专家规则进行SCADA数据的分类。
本发明的进一步改进在于,步骤2具体包括:根据风速范围对风电SCADA数据进行初步的划分,然后根据不同运行工况的专家规则,再次划分数据类别,最终将原始的SCADA数据划分为七个类别。
本发明的进一步改进在于,停机状态类别的数据根据SCADA系统中状态代码的不同,划分为正常停机、故障停机和运维停机三个类别。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于西安交通大学,未经西安交通大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201910784635.8/2.html,转载请声明来源钻瓜专利网。