[发明专利]一种基于风电机组状态评估提高机组可靠性的方法

说明书

本发明公开了一种基于风电机组状态评估提高机组可靠性的方法，所述方法包括：获取SCADA系统监测数据，建立风电机组状态评估指标体系，并对不同状态划分状态等级；基于改进的AHP法和反熵权法分别得到第i个指标主观权重向量、客观权重向量，通过最小鉴别信息原理求取目标函数和综合权重；采用集对分析建立各层次与状态等级的隶属度，各指标归一化处理的值与D级状态构成的隶属度即指标层与状态等级的隶属度；基于非对称贴近度法决策机组状态，定义风电机组状态等级对应的特征模糊集，计算非对称贴近度时，将目标层的评价集和状态等级对应的特征模糊集K标准化；基于择近原则选取最大非对称贴近度对应的评价等级做为决策结果，根据决策结果对器件进行检修。本发明实现了准确检修机组或部件，满足实际应用中的需要。

技术领域

本发明涉及风电机组状态控制领域，尤其涉及一种基于风电机组状态评估提高机组可靠性的方法。

背景技术

近年来，随着国家的能源政策的调整，我国开始大力研究和发展可以替代火力发电等消耗一次能源的新能源发电方式，其中作为新能源发电重要一员的风力发电己经发展成为技术最成熟、经济性较好的一种发电方式。风能的“取之不尽用之不竭”的特性在解决我国能源短缺问题中发挥重要的作用。但是由于目前风电机组大多运行地区环境恶劣多变，且风电机组长期在交变负荷下工作，从而导致机组故障频繁，机组运行性能不断下降。状态监测与故障诊断技术是降低大功率并网风电机组的故障率和其运维费用的有效手段之一。如何合理有效地开展分析风电机组的性能分析和机组健康状态评估，提高机组的可靠性，确保机组安全稳定运行，降低风电场运行维护成本，提高风电场的现场管理水平，己成为我国发展风电技术需迫切解决的关键问题。

风电机组的数据采集与监视控制系统(Supervisory Control And DataAcquisition，SCADA)中包括的物理特征量有：角度、压力、温度、速度、机舱振动、电气等，通过分析这些运行数据，可以反映整机的运行状态。目前，关于风电机组多参数融合的状态监测和评估方法，包括：人工神经网络^[1-2]、高斯混合模型参数估计^[3]、物元分析^[4]、模糊综合评判^[5-8]等。其中，文献[4]提出应用物元分析理论的关联函数来计算各评估指标潜在的优劣程度，结合可拓集合中的关联函数，建立了风电机组运行状态的物元评估模型。文献[5]针对子项目层中存在多项评判指标同时发生严重偏离的情况，引入劣化度指标，建立模糊综合评判的流程图，通过劣化度对监测数据进行量化，结合层次分析法确定权重，采用模糊综合评判方法，构建风电机组在线状态评估方法。文献[6]在文献[5]的基础上，考虑了影响评估指标的劣化度的因素，提出了风电机组运行状态评估的改进模型。由于模糊综合评判方法不需要过多依赖试验数据的分析，文献[7]利用模糊数学理论从技术经济指标、功能设置、可靠性和维修性这4个指标综合评判了风电机组的设计性能，但难以有效地反映机组实时运行状态。文献[7-8]在应用模糊综合评判时指出各评判指标赋予权重是建模的关键，而传统的变权理论在2项或多项指标发生严重偏离时，不能较好地实现对各评判指标的权重进行赋值。文献[8]虽然采用了层次分析法对评判指标赋予常权值，但是常权值的选取不能准确有效地反映机组运行状态。模糊综合评判方法是根据评估指标对评估对象本身存在的性态或类属上的亦此亦彼性，从数量上对其所属程度给予刻画和描述。

上述分析在处理信息不确定性取得较好的效果，但在状态决策时多数学者采用最大隶属度原则或信度准则决策风机状态，当仅考虑隶属度矩阵最大分量决策状态结果，在最大隶属度失效情况下，取得的结果往往不准确、信度准则的信度值主观选取，存在选取不同的信度值导致决策结果不一致的情况，导致不能准确检修机组或部件，引起机组或部件“过修”或“欠修”的情况发生。

发明内容