[发明专利]风电机组性能分析方法及系统

权利要求书

1.一种风电机组性能分析方法，其特征在于，包括：

使用图像识别算法及聚类算法，对风速功率曲线数据的异常情况进行识别，从而将风速功率曲线数据区分为正常曲线数据和劣化曲线数据；

通过识别曲线特征上的劣化变现，识别劣化曲线数据中的不同劣化模式；

提取正常曲线数据的特征，构建横向对比的特征信息；

通过将劣化曲线数据与特征信息的比对，以及先验知识的指导，分析造成劣化曲线数据发生数据劣化的原因。

2.根据权利要求1所述的风电机组性能分析方法，其特征在于，通过提取正常曲线数据的特征，所构建横向对比的特征信息包括：离线特征信息，以及在线特征信息。

3.根据权利要求1所述的风电机组性能分析方法，其特征在于，通过将劣化曲线数据与特征信息的比对，以及先验知识的指导，分析造成劣化曲线数据发生数据劣化的原因，包括：

针对发现的不同劣化模式，在时间—功率序列上进行连续性验证；

将构建的特征信息与劣化曲线数据的比对，给出控制类劣化原因；

添加离散度与偏移度的劣化识别，给出统计类劣化原因及图像类劣化原因。

4.根据权利要求3所述的风电机组性能分析方法，其特征在于，特征信息包括：散点抽取特征信息、风速仪损坏特征信息、限功模式特征信息、桨叶角受限特征信息、故障频繁复位特征信息、齿轮箱油温过高特征信息、发电机转速受限特征信息、桨叶角波动特征信息。

5.根据权利要求3所述的风电机组性能分析方法，其特征在于，针对发现的不同劣化模式，在时间—功率序列上进行连续性验证，包括：

通过直线检测算法，在时间—功率序列上进行连续性验证。

6.根据权利要求3所述的风电机组性能分析方法，其特征在于，通过将劣化曲线数据与特征信息的比对，以及先验知识的指导，分析造成劣化曲线数据发生数据劣化的原因，还包括：

给出造成数据劣化的部件位置。

7.根据权利要求1所述的风电机组性能分析方法，其特征在于，还包括：

利用先验知识，对原始风速功率曲线数据进行数据清洗。

8.根据权利要求1所述的风电机组性能分析方法，其特征在于，利用先验知识，对原始风速功率曲线数据进行数据清洗，包括：

利用图像降噪算法，对原始风速功率曲线数据进行数据清洗。

9.根据权利要求1所述的风电机组性能分析方法，其特征在于，利用图像降噪算法，对原始风速功率曲线数据进行数据清洗，包括：

利用图像降噪算法，对原始风速功率曲线中的散点进行清除。

10.一种风电机组性能分析系统，其特征在于，包括：

一个或多个处理器；

存储装置，用于存储一个或多个程序，

当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现根据权利要求1至9任意一项所述的风电机组性能分析方法。