[发明专利]风电机组性能分析方法及系统

说明书

本发明提供了一种风电机组性能分析方法及系统。所述方法包括：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。本发明提供的风电机组性能分析方法及系统通过应用数学算法和风电功率曲线分析经验,结合图像识别的基本技术，基于在线和离线批量SCADA数据进行机组性能劣化预警的模型，该模型准确率和通用性满足现场需求。

技术领域

本发明涉及风电系统技术领域，特别是涉及一种风电机组性能分析方法及系统。

背景技术

风电机组性能劣化的自动化预警是目前电力企业为适应市场经济、降低发电成本、提高经济效益的主要发展方向。目前行业普遍存在风电机组性能在较长时间内严重偏离设计曲线的情况，常用的方法是伴随定检进行抽查，该方法具有偶然性，而使用数据分析方法诊断又面临着机组数量多、人工工作量大、诊断结论无法标准化、无法区分正常的控制与劣化、诊断难以泛化的痛点问题。

因此，结合实际发展需求急需基于大量机组数据完成风电机组性能劣化自动诊断预警模型的开发与部署。

发明内容

本发明要解决的技术问题是提供一种风电机组性能分析方法及系统，通过应用数学算法和风电功率曲线分析经验,结合图像识别的基本技术，基于在线和离线批量SCADA数据进行机组性能劣化预警的模型，该模型准确率和通用性满足现场需求。

为解决上述技术问题，本发明提供了一种风电机组性能分析方法，所述方法包括：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。

在一些实施方式中，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。

在一些实施方式中，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。

在一些实施方式中，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。

在一些实施方式中，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。

在一些实施方式中，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。

在一些实施方式中，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。

在一些实施方式中，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。

在一些实施方式中，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。